Qwen2.5 VL 7B Instruct GPTQ Int4

🚀 Qwen2.5-VL-7B-Instruct-GPTQ-Int4

このモデルは、gptqmodel ライブラリを使用して Qwen2.5-VL モデルをGPTQ-Int4で量子化した非公式なバージョンです。このモデルは、最新の transformers ライブラリ（非量子化のQwen2.5-VLモデルを実行できる）と互換性があります。

✨ 主な機能

性能

注意事項

• 評価は、lmms-eval をデフォルト設定で使用して行われています。
• これらの評価では、GPTQモデルはAWQシリーズよりも計算効率が高く（VRAM使用量が少なく、推論速度が速い）です。
• autogptq ライブラリはメンテナンスされていないため、gptqmodel を使用することをおすすめします。

📦 インストール

必要なライブラリをインストールします：

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

必要に応じて、以下をインストールすることができます：

pip install tokenicer device_smi logbar

💻 使用例

基本的な使用法

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])

応答:

この画像には、「中文LLaMA & Alpaca大模型」と「Chinese LLaMA & Alpaca Large Language Models」という中国語と英語のロゴが表示されています。ロゴの左側には、赤いスカーフをしたアルパカと白い毛のアルパカの2つのキャラクターがいます。背景は緑の草原と赤い屋根の建物です。ロゴの右側には数字の3があり、その横にはいくつかの回路パターンがあります。全体的なデザインはシンプルで明瞭で、明るい色と可愛いキャラクターを使って注意を引いています。

📄 ライセンス

このモデルは、Apache-2.0ライセンスの下で提供されています。

⚠️ 免責事項

• これはQwenの公式モデルではありません。自己責任で使用してください。
• 詳細な使用方法については、Qwen2.5-VLのページを確認してください。