pipeline_tag: 视觉问答 base_model:

• openbmb/MiniCPM-Llama3-V-2_5

MiniCPM-Llama3-V 2.5 int4量化版

这是MiniCPM-Llama3-V 2.5的int4量化版本。
使用int4版本将显著降低GPU显存占用（约9GB）。

使用说明

在NVIDIA GPU上通过Huggingface transformers进行推理。测试环境为python 3.10，所需依赖：

Pillow==10.1.0
torch==2.1.2
torchvision==0.16.2
transformers==4.40.0
sentencepiece==0.1.99
accelerate==0.30.1
bitsandbytes==0.43.1

# test.py
import torch
from PIL import Image
from transformers import AutoModel, AutoTokenizer

model = AutoModel.from_pretrained('openbmb/MiniCPM-Llama3-V-2_5-int4', trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained('openbmb/MiniCPM-Llama3-V-2_5-int4', trust_remote_code=True)
model.eval()

image = Image.open('xx.jpg').convert('RGB')
question = '图片中有什么内容？'
msgs = [{'role': 'user', 'content': question}]

res = model.chat(
    image=image,
    msgs=msgs,
    tokenizer=tokenizer,
    sampling=True, # 若sampling=False，默认使用beam_search
    temperature=0.7,
    # system_prompt='' # 可按需传入system_prompt
)
print(res)

## 如需使用流式输出，请确保sampling=True且stream=True
## 此时model.chat将返回生成器
res = model.chat(
    image=image,
    msgs=msgs,
    tokenizer=tokenizer,
    sampling=True,
    temperature=0.7,
    stream=True
)

generated_text = ""
for new_text in res:
    generated_text += new_text
    print(new_text, flush=True, end='')