/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,4 млрд
Размер весов
17,7 ГБ
Лицензия
MIT
Архитектура
internlm · dense
Опубликована
12 мар 2024

MoAI-7B

Изображение и текст → текст3 профессии

MoAI-7B — мультимодальная модель на базе InternLM для генерации текстовых ответов по изображениям и инструкциям.

138скачиваний за 30 дней44лайкавеса обновлены2 окт 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

MoAI-7B — модель для работы с изображениями и текстом из проекта MoAI: Mixture of All Intelligence for Large Language and Vision Models. Репозиторий содержит веса модели; в метаданных указана плотная архитектура семейства InternLM и размер 7,4 млрд параметров.

Модель принимает изображение вместе с инструкцией и генерирует текстовый ответ. Её можно применять для диалога по изображению и ответов на вопросы о визуальном содержимом. Контекст составляет до 32 768 токенов. В README описан запуск через код проекта MoAI с этапами загрузки изображения, предобработки, генерации и декодирования.

Репозиторий распространяется по лицензии MIT. README не уточняет поддерживаемые языки и ограничения качества; сведения о языковой поддержке поэтому не включены.

Сценарии применения

  • ответы на вопросы о содержимом изображения
  • описание изображений по текстовой инструкции
  • диалог с пользователем об изображении

Ограничения

README не приводит оценок качества или конкретных ограничений модели.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MoAI model

This repository contains the weights of the model presented in MoAI: Mixture of All Intelligence for Large Language and Vision Models.

Simple running code is based on MoAI-Github.

You need only the following seven steps.

[0] Download Github Code of MoAI, install the required libraries, set the necessary environment variable (README.md explains in detail! Don't Worry!).

git clone https://github.com/ByungKwanLee/MoAI
bash install

[1] Loading Image

from PIL import Image
from torchvision.transforms import Resize
from torchvision.transforms.functional import pil_to_tensor
image_path = "figures/moai_mystery.png"
image = Resize(size=(490, 490), antialias=False)(pil_to_tensor(Image.open(image_path)))

[2] Instruction Prompt

prompt = "Describe this image in detail."

[3] Loading MoAI

from moai.load_moai import prepare_moai
moai_model, moai_processor, seg_model, seg_processor, od_model, od_processor, sgg_model, ocr_model \
    = prepare_moai(moai_path='BK-Lee/MoAI-7B', bits=4, grad_ckpt=False, lora=False, dtype='fp16')

[4] Pre-processing for MoAI

moai_inputs = moai_model.demo_process(image=image, 
                                    prompt=prompt, 
                                    processor=moai_processor,
                                    seg_model=seg_model,
                                    seg_processor=seg_processor,
                                    od_model=od_model,
                                    od_processor=od_processor,
                                    sgg_model=sgg_model,
                                    ocr_model=ocr_model,
                                    device='cuda:0')

[5] Generate

import torch
with torch.inference_mode():
    generate_ids = moai_model.generate(**moai_inputs, do_sample=True, temperature=0.9, top_p=0.95, max_new_tokens=256, use_cache=True)

[6] Decoding

answer = moai_processor.batch_decode(generate_ids, skip_special_tokens=True)[0].split('[U')[0]
print(answer)

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура internlm неизвестна transformers в образе рантайма.

Ревизия весов
53cc680

0 моделей