/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
1,7 млрд
Размер весов
17,3 ГБ
Лицензия
Своя лицензия
Архитектура
internlmxcomposer2 · dense
Опубликована
9 апр 2024

internlm-xcomposer2-vl-1_8b

Генерация текстаТекст → текст3 профессии

Мультимодальная модель InternLM на 1,7 млрд параметров отвечает на текстовые вопросы об изображениях и выполняет задачи понимания текста и изображений.

50скачиваний за 30 дней18лайковвеса обновлены9 апр 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

InternLM-XComposer2-VL-1.8B — мультимодальная языковая модель семейства InternLM-XComposer2, разработанная командой InternLM на основе InternLM2. Версия VL предназначена для понимания изображений и текста; она принимает изображение и текстовый запрос и формирует текстовый ответ. Модель содержит 1,7 млрд параметров, использует плотную архитектуру InternLMXComposer2ForCausalLM и поддерживает контекст до 32 768 токенов.

Модель подходит для визуальных вопросов и ответов, описания изображений и других задач понимания связей между текстом и изображением. В README приведён способ запуска через Transformers и PyTorch; для экономии памяти рекомендуется загрузка в float16. В карточке указана лицензия other, поэтому конкретные условия использования следует сверить с лицензией репозитория.

Сценарии применения

  • ответы на вопросы по содержимому изображения
  • описание объектов и сцен на изображении
  • извлечение сведений из изображения по текстовому запросу

Ограничения

Для запуска через Transformers требуется разрешить загрузку пользовательского кода; в README также отмечено, что загрузка в float32 может вызвать нехватку видеопамяти. Лицензия указана как other, поэтому условия коммерческого и иного использования нужно проверить в репозитории.

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

💻Github Repo

Paper

InternLM-XComposer2 is a vision-language large model (VLLM) based on InternLM2 for advanced text-image comprehension and composition.

We release InternLM-XComposer2 series in two versions:

  • InternLM-XComposer2-VL: The pretrained VLLM model with InternLM2 as the initialization of the LLM, achieving strong performance on various multimodal benchmarks.
  • InternLM-XComposer2: The finetuned VLLM for Free-from Interleaved Text-Image Composition.

Import from Transformers

To load the InternLM-XComposer2-VL-1.8B model using Transformers, use the following code:

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM
ckpt_path = "internlm/internlm-xcomposer2-vl-1_8b"
tokenizer = AutoTokenizer.from_pretrained(ckpt_path, trust_remote_code=True).cuda()
# Set `torch_dtype=torch.float16` to load model in float16, otherwise it will be loaded as float32 and might cause OOM Error.
model = AutoModelForCausalLM.from_pretrained(ckpt_path, torch_dtype=torch.float16, trust_remote_code=True).cuda()
model = model.eval()

Quickstart

We provide a simple example to show how to use InternLM-XComposer with 🤗 Transformers.

import torch
from transformers import AutoModel, AutoTokenizer

torch.set_grad_enabled(False)

# init model and tokenizer
model = AutoModel.from_pretrained('internlm/internlm-xcomposer2-vl-1_8b', trust_remote_code=True).cuda().eval()
tokenizer = AutoTokenizer.from_pretrained('internlm/internlm-xcomposer2-vl-1_8b', trust_remote_code=True)

query = '<ImageHere>Please describe this image in detail.'
image = './image1.webp'
with torch.cuda.amp.autocast():
  response, _ = model.chat(tokenizer, query=query, image=image, history=[], do_sample=False)
print(response)
# The image is a captivating photograph of a sunset over a mountainous landscape. The sky, painted in hues of orange and pink,
# serves as a backdrop for two silhouetted figures standing on the mountain. The text on the image, written in white, is a quote 
# from Oscar Wilde, which reads, "Live life with no excuses, travel with no regret." This quote, combined with the serene setting,
# serves as a powerful reminder to embrace life's journey without hesitation or regret.

Open Source License

The code is licensed under Apache-2.0, while model weights are fully open for academic research and also allow free commercial usage. To apply for a commercial license, please fill in the application form (English)/申请表(中文). For other questions or collaborations, please contact internlm@pjlab.org.cn.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Код из репозитория вместе с pickle-весами (.bin) не запускается из соображений безопасности.

Класс архитектуры
InternLMXComposer2ForCausalLM
Ревизия весов
aa1f2ea

0 моделей