/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
6,6 млрд
Размер весов
32,8 ГБ
Архитектура
mplug_owl2 · dense
Опубликована
10 янв 2024

co-instruct

Генерация текстаТекст → текст3 профессии

Co-Instruct — мультимодальная модель на 6,6 млрд параметров для диалога и генерации текстовых ответов по изображениям.

204скачиваний за 30 дней19лайковвеса обновлены7 мар 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

Co-Instruct — мультимодальная модель семейства mPLUG-Owl2 от q-future, представленная в виде плотной архитектуры на 6,6 млрд параметров. Она принимает изображения и текст и предназначена для диалога о визуальном содержимом и генерации текстовых ответов по изображениям. Модель опубликована в форматах PyTorch и safetensors; указанная длина контекста — 2048 токенов.

Карточка показывает способ загрузки через Transformers с использованием доверенного удалённого кода и PyTorch FP16. В метаданных перечислены наборы Q-Instruct-DB и Co-Instruct-DB. Лицензия и конкретные ограничения модели в доступных материалах не описаны.

Сценарии применения

  • ответы на вопросы о содержимом изображения
  • описание объектов и сцен на изображениях
  • диалоговое взаимодействие с изображением
  • генерация текстового объяснения по визуальному запросу

Ограничения

В доступных материалах не приведены сведения о лицензии и подробные результаты оценки качества. Для загрузки README использует trust_remote_code, поэтому запуск требует доверия к коду репозитория.

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

News

See its paper: https://huggingface.co/papers/2402.16641

Load Model

import torch
from transformers import AutoModelForCausalLM

model = AutoModelForCausalLM.from_pretrained("q-future/co-instruct", 
                                             trust_remote_code=True, 
                                             torch_dtype=torch.float16,
                                             attn_implementation="eager", 
                                             device_map={"":"cuda:0"})

Chat

import requests
from PIL import Image


### Single Image
prompt = "USER: The image: <|image|> Which happens in this image: motion-blur, over-exposure, or under-exposure? ASSISTANT:"
url = "https://raw.githubusercontent.com/Q-Future/Q-Align/main/fig/singapore_flyer.jpg"
image = Image.open(requests.get(url,stream=True).raw)
model.chat(prompt, [image], max_new_tokens=200)

## Motion blur

### Double Image Comparison
prompt_cmp = "USER: The first image: <|image|>\nThe second image: <|image|>Which image has better quality, and why? ASSISTANT:"
url = "https://raw.githubusercontent.com/Q-Future/Q-Align/main/fig/boy_colorful.jpg"
image_2 = Image.open(requests.get(url,stream=True).raw)
model.chat(prompt_cmp, [image, image_2], max_new_tokens=200)

## The second image has better quality. The description indicates that the image has accurate exposure, precise focus, clear details, rich colors, and sufficient lighting. Additionally, the texture details are clear, and the composition is centered. In comparison, the first image has good clarity and rich texture details, but the lighting is slightly weak, which can affect the overall quality of the image. Therefore, the second image is of higher quality due to its accurate exposure, precise focus, clear details, rich colors, sufficient lighting, and centered composition.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
MPLUGOwl2LlamaForCausalLM
Ревизия весов
765f4a6

0 моделей