/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
6,7 млрд
Лицензия
CC BY 4.0
Архитектура
chameleon · dense
Библиотека
transformers
Опубликована
12 сен 2024

AA-chameleon-7b-base

Мультимодальная модель3 профессии

Мультимодальная модель Chameleon на 6,7 млрд параметров для работы с чередующимися текстом и изображениями и генерации изображений.

29скачиваний за 30 дней8лайковвеса обновлены13 сен 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

Align-Anything Chameleon 7B Base — мультимодальная модель организации PKU-Alignment на архитектуре Chameleon, дообученная на фреймворке Align-Anything для работы с чередующимися текстом и изображениями. Она принимает и формирует последовательности, в которых текст и изображения могут сочетаться; заявленная особенность этой версии — расширенные возможности генерации изображений.

Модель предназначена для сценариев преобразования данных между текстом и изображениями, включая генерацию изображений по текстовым запросам и работу с чередующимися текстово-визуальными последовательностями. Веса содержат 6,7 млрд параметров, максимальный контекст — 4096 токенов. Репозиторий предоставляет веса PyTorch для библиотеки Transformers; лицензия — CC BY 4.0.

Сценарии применения

  • генерация изображений по текстовым запросам
  • обработка последовательностей с чередующимися текстом и изображениями
  • создание текстово-визуальных ответов

Ограничения

Контекст ограничен 4096 токенами; карточка не приводит оценок качества и подробностей о пределах генерации изображений.

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

Align-Anything Chameleon 7B Base

Introduction

Repository for Align-Anything Chameleon 7B Base, a powerful model for text-image interleaved input and output. This model is based on the Chameleon model, and is trained on the Align-Anything framework to further unlock its capability of image generation.

Usage

To use this model, you can refer to the Align-Anything repository for more details, including the training, inference and evaluation:

git clone https://github.com/PKU-Alignment/align-anything.git
cd align-anything/projects/text_image_to_text_image

Then follow the instructions in the README.md file to set up the environment and run the scripts.

Currently, the official Transformer repo does not support Chameleon model with image output (see this PR for more details), so we rely on a certain fork of the repo.

After installing Align-Anything and correctly set up the envrionment, you can install the forked stable version of the repo by running:

pip install git+https://github.com/htlou/transformers.git@hantao_stable_cham

If you want to generate image (pure text generation can be directly done by Transformers), you can follow the instructions in the mmsg_chameleon repo to run the inference.

git clone https://github.com/htlou/mmsg_chameleon.git
cd mmsg_chameleon

Then set up the envrionment using

pip install -e . 

After setting up the envrioment, set up the correct paths in scripts/interleaved_gen.sh and then run

bash scripts/interleaved_gen.sh

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Any-to-any модели пока не поддерживаются.

Класс архитектуры
ChameleonForConditionalGeneration
Ревизия весов
88fc26a

0 моделей