语言:

• 英文 标签:
• 苍鹭模型
• 视觉
• 图像描述生成
• 视觉问答 任务类型: 图像转文本 许可协议:
• 知识共享-非商业性使用 4.0 推理: 不支持

苍鹭GIT Llama 2快速版7B模型

模型详情

苍鹭GIT Llama 2 7B是一款能够就输入图像进行对话的视觉语言模型。
该模型使用苍鹭库训练完成，具体细节请参考相关代码。

使用方式

请按照安装指南进行操作。

import requests
from PIL import Image

import torch
from transformers import AutoProcessor
from heron.models.git_llm.git_llama import GitLlamaConfig, GitLlamaForCausalLM

device_id = 0

# 加载预训练模型
model = GitLlamaForCausalLM.from_pretrained(
    'turing-motors/heron-chat-git-Llama-2-7b-v0', torch_dtype=torch.float16
)
model.eval()
model.to(f"cuda:{device_id}")

# 准备处理器
processor = AutoProcessor.from_pretrained('turing-motors/heron-chat-git-Llama-2-7b-v0')

# 准备输入
url = "https://www.barnorama.com/wp-content/uploads/2016/12/03-Confusing-Pictures.jpg"
image = Image.open(requests.get(url, stream=True).raw)

text = f"##human: 这张图片是什么？\n##gpt: "

# 预处理
inputs = processor(
    text,
    image,
    return_tensors="pt",
    truncation=True,
)
inputs = {k: v.to(f"cuda:{device_id}") for k, v in inputs.items()}

# 设置结束标记
eos_token_id_list = [
    processor.tokenizer.pad_token_id,
    processor.tokenizer.eos_token_id,
]

# 执行推理
with torch.no_grad():
    out = model.generate(**inputs, max_length=256, do_sample=False, temperature=0., eos_token_id=eos_token_id_list)

# 输出结果
print(processor.tokenizer.batch_decode(out)[0])

模型详情

• 开发团队: 图灵公司
• 适配器类型: GIT
• 语言模型: meta-llama/Llama-2-7b-chat-hf
• 支持语言: 英语

训练过程

本模型首先使用适配器在M3IT的Coco Captions数据集上进行初步训练。第二阶段使用M3IT进行微调。最后通过LLaVA-Instruct-150K进行指令调优训练。

训练数据集

• LLaVA-Instruct-150K
• M3IT

使用范围与限制

预期用途

本模型适用于聊天类应用场景和研究用途。

使用限制

模型可能产生不准确或错误信息，其准确性无法保证。目前仍处于研发阶段。

引用方式

@misc{GitLlama2, 
    url    = {[https://huggingface.co/turing-motors/heron-chat-git-Llama-2-7b-v0](https://huggingface.co/turing-motors/heron-chat-git-Llama-2-7b-v0)}, 
    title  = {苍鹭GIT Llama 2 7B模型}, 
    author = {井上裕一, 田中光太郎, 山口悠}
}

参考文献

@misc{touvron2023llama,
      title={Llama 2: 开放基础与微调聊天模型}, 
      author={雨果·图夫龙等},
      year={2023},
      eprint={2307.09288},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

许可协议: 知识共享-非商业性使用 4.0