license: apache-2.0
language:

• zh
• en
  pipeline_tag: image-text-to-text
  tags:
• multimodal
  library_name: transformers
  base_model:
• Qwen/Qwen2.5-VL-3B-Instruct

Qwen2.5-VL-3B-Instruct-GPTQ-Int3

这是使用gptqmodel库对Qwen2.5-VL模型进行非官方GPTQ-Int3量化的版本。

该模型兼容最新的transformers库（可运行非量化版Qwen2.5-VL模型）。

性能表现

说明

• 评估使用lmms-eval默认配置进行
• 在评估中，GPTQ模型比AWQ系列计算效率更高（显存占用更少，推理速度更快）
• 推荐使用gptqmodel而非autogptq库，因后者已停止维护

快速体验

安装依赖库：

pip install git+https://github.com/huggingface/transformers accelerate qwen-vl-utils  
pip install git+https://github.com/huggingface/optimum.git  
pip install gptqmodel   

可选安装项：

pip install tokenicer device_smi logbar  

示例代码：

from transformers import Qwen2_5_VLForConditionalGeneration, AutoTokenizer, AutoProcessor  
from qwen_vl_utils import process_vision_info  

model = Qwen2_5_VLForConditionalGeneration.from_pretrained(  
    "hfl/Qwen2.5-VL-3B-Instruct-GPTQ-Int4",   
    attn_implementation="flash_attention_2",  
    device_map="auto"  
)  
processor = AutoProcessor.from_pretrained("hfl/Qwen2.5-VL-3B-Instruct-GPTQ-Int4")  

messages = [{  
    "role": "user",  
    "content": [  
        {"type": "image", "image": "https://raw.githubusercontent.com/ymcui/Chinese-LLaMA-Alpaca-3/refs/heads/main/pics/banner.png"},  
        {"type": "text", "text": "请你描述一下这张图片。"},  
    ],  
}]  

text = processor.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)  
image_inputs, video_inputs = process_vision_info(messages)  
inputs = processor(  
    text=[text], images=image_inputs, videos=video_inputs,  
    padding=True, return_tensors="pt",  
).to("cuda")  

generated_ids = model.generate(**inputs, max_new_tokens=512)  
generated_ids_trimmed = [out_ids[len(in_ids) :] for in_ids, out_ids in zip(inputs.input_ids, generated_ids)]  
output_text = processor.batch_decode(generated_ids_trimmed, skip_special_tokens=True, clean_up_tokenization_spaces=False)  
print(output_text[0])  

输出示例：

这张图片展示了一个中文和英文的标志，内容为"中文LLaMA & Alpaca大模型"和"Chinese LLaMA & Alpaca Large Language Models"。标志左侧有两个卡通形象，一个是红色围巾的羊驼，另一个是白色毛发的羊驼，背景是一个绿色的草地和一座红色屋顶的建筑。标志右侧有一个数字3，旁边有一些电路图案。整体设计简洁明了，使用了明亮的颜色和可爱的卡通形象来吸引注意力。

免责声明

• 此非Qwen官方模型，使用风险自负
• 详细用法请参阅Qwen2.5-VL官方页面