/ Модель

Характеристики

Библиотека
xtuner
Опубликована
16 янв 2024

llava-internlm2-7b

Изображение и текст → текст3 профессии

Мультимодальная модель XTuner на базе InternLM2-Chat-7B для диалога и ответов на вопросы по изображениям.

17скачиваний за 30 дней5лайковвеса обновлены6 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

llava-internlm2-7b — мультимодальная модель семейства LLaVA, опубликованная XTuner. Она дообучена на базе InternLM2-Chat-7B с визуальным энкодером CLIP ViT-Large/14 с разрешением 336 пикселей, используя наборы LLaVA-Pretrain и LLaVA-Instruct-150K.

Модель принимает изображения вместе с текстовыми запросами и генерирует текстовые ответы. Она предназначена для диалога по изображению, описания визуального содержимого и ответов на вопросы о нём. В README приведены результаты сравнительных тестов MMBench и других наборов оценки визуально-языковых моделей.

Для работы с моделью README рекомендует библиотеку XTuner. В репозитории указаны веса Safetensors. Лицензия и точная длина контекста в доступных данных не приведены.

Сценарии применения

  • ответы на вопросы о содержимом изображения
  • описание объектов и сцен на изображении
  • визуальный диалог по загруженной фотографии
  • анализ изображений с текстовыми запросами

Ограничения

Ответы могут содержать ошибки в распознавании деталей изображения и рассуждениях; приведённые в README результаты относятся к конкретным тестам и не гарантируют качество для любых сценариев. Лицензия в предоставленных данных не указана.

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

Generic badge

Model

llava-internlm2-7b is a LLaVA model fine-tuned from InternLM2-Chat-7B and CLIP-ViT-Large-patch14-336 with LLaVA-Pretrain and LLaVA-Instruct by XTuner.

Results

ModelMMBench Test (EN)MMBench Dev (EN)MMBench Test (CN)MMBench Dev (CN)CCBench DevMMESEEDBench_IMGMMVetMMMU DevMathVista MiniTestHallusionBench aAcc
LLaVA-v1.5-7B (XTuner)67.769.261.059.728.4171666.432.233.724.246.2
LLaVA-v1.5-13B (XTuner)68.869.564.763.132.9176667.935.935.226.246.9
LLaVA-InternLM-7B (XTuner)69.068.566.763.837.3163765.732.436.926.349.1
LLaVA-InternLM2-7B73.374.671.772.042.5170071.235.940.125.546.8
LLaVA-InternLM2-20B75.173.573.772.846.3186870.237.239.424.647.7

Quickstart

Installation

pip install -U 'xtuner[deepspeed]'

Chat

xtuner chat internlm/internlm2-chat-7b \
  --visual-encoder openai/clip-vit-large-patch14-336 \
  --llava xtuner/llava-internlm2-7b \
  --prompt-template internlm2_chat \
  --image $IMAGE_PATH

Training

  1. Alignment module pretraining (saved by default in ./work_dirs/)
NPROC_PER_NODE=8 xtuner train llava_internlm2_chat_7b_clip_vit_large_p14_336_e1_gpu8_pretrain --deepspeed deepspeed_zero2
  1. Instruction following fine-tuning (saved by default in ./work_dirs/)
NPROC_PER_NODE=8 xtuner train llava_internlm2_chat_7b_qlora_clip_vit_large_p14_336_lora_e1_gpu8_finetune --deepspeed deepspeed_zero2

MMBench Evaluation

XTuner integrates the MMBench evaluation, and you can perform evaluations with the following command!

xtuner mmbench internlm/internlm2-chat-7b \
  --visual-encoder openai/clip-vit-large-patch14-336 \
  --llava xtuner/llava-internlm2-7b \
  --prompt-template internlm2_chat \
  --data-path $MMBENCH_DATA_PATH \
  --work-dir $RESULT_PATH

After the evaluation is completed, if it's a development set, it will directly print out the results; If it's a test set, you need to submit mmbench_result.xlsx to the official MMBench for final evaluation to obtain precision results!

Citation

@misc{2023xtuner,
    title={XTuner: A Toolkit for Efficiently Fine-tuning LLM},
    author={XTuner Contributors},
    howpublished = {\url{https://github.com/InternLM/xtuner}},
    year={2023}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · xtuner

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
cb0b851

0 моделей