license: other pipeline_tag: visual-question-answering

书生·浦语2

InternLM-XComposer2是基于InternLM2研发的视觉-语言大模型（VLLM），具备卓越的图文理解与创作能力。

我们发布以下两个版本：

• InternLM-XComposer2-VL：以InternLM2作为大语言模型基座的预训练模型，在多项多模态评测中表现优异
• InternLM-XComposer2：专为自由式图文交错创作而微调的视觉-语言大模型

Transformers调用方式

通过以下代码加载InternLM-XComposer2-VL-7B模型：

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM
ckpt_path = "internlm/internlm-xcomposer2-vl-7b"
tokenizer = AutoTokenizer.from_pretrained(ckpt_path, trust_remote_code=True).cuda()
# 设置`torch_dtype=torch.float16`以float16精度加载模型，否则会以float32加载可能导致显存不足
model = AutoModelForCausalLM.from_pretrained(ckpt_path, torch_dtype=torch.float16, trust_remote_code=True).cuda()
model = model.eval()

快速开始

以下示例展示如何使用🤗 Transformers调用InternLM-XComposer：

import torch
from transformers import AutoModel, AutoTokenizer

torch.set_grad_enabled(False)

# 初始化模型和分词器
model = AutoModel.from_pretrained('internlm/internlm-xcomposer2-vl-7b', trust_remote_code=True).cuda().eval()
tokenizer = AutoTokenizer.from_pretrained('internlm/internlm-xcomposer2-vl-7b', trust_remote_code=True)

query = '<ImageHere>请详细描述这张图片。'
image = './image1.webp'
with torch.cuda.amp.autocast():
  response, _ = model.chat(tokenizer, query=query, image=image, history=[], do_sample=False)
print(response)
# 图片呈现了奥斯卡·王尔德的名句"生活无需借口，旅行不留遗憾"，背景是壮丽的日落景象。天空渲染着粉橙交织的渐变色，营造出宁静的氛围。两个剪影人物站立在悬崖边眺望地平线，他们似乎正在徒步探险，完美诠释了引文的精髓。整个场景传递着冒险与自由的精神，鼓励观者无惧无悔地拥抱人生。

开源许可

代码采用Apache-2.0许可证，模型权重对学术研究完全开放并允许免费商用。如需申请商业许可，请填写申请表格（英文）/申请表（中文）。其他问题或合作需求，请联系internlm@pjlab.org.cn。