Dolphin Vision 72b

🚀 DolphinVision 72b 🐬

DolphinVision 72bは、Quan Nguyen (qnguyen3/stablequan)、Eric Hartford、およびCognitive Computationsによって選定され、訓練されたマルチモーダルモデルです。このモデルは、画像に関する推論やコメントを行う能力を持ち、他の人気モデルが拒否するような画像に対しても対応できます。

Discord: https://discord.gg/h3K4XGj2RH

🤝 スポンサーに感謝

• Crusoe Cloud - 訓練に使用される優れたオンデマンドの8xH100ノードを提供しました。
• TensorWave - 評価と推論に使用される8x mi300xノードを提供しました。

🚀 クイックスタート

DolphinVisionはマルチモーダルモデルで、画像に関する推論やコメントを行うことができます。以下は、このモデルを使用するためのコード例です。

import torch
import transformers
from transformers import AutoModelForCausalLM, AutoTokenizer
from PIL import Image
import warnings

# disable some warnings
transformers.logging.set_verbosity_error()
transformers.logging.disable_progress_bar()
warnings.filterwarnings('ignore')

# set device
torch.set_default_device('cuda')  # or 'cpu'

model_name = 'cognitivecomputations/dolphin-vision-72b'

# create model
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype=torch.float16,
    device_map='auto',
    trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained(
    model_name,
    trust_remote_code=True)

# text prompt
prompt = 'Describe this image in detail'

messages = [
    {"role": "user", "content": f'<image>\n{prompt}'}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)

print(text)

text_chunks = [tokenizer(chunk).input_ids for chunk in text.split('<image>')]
input_ids = torch.tensor(text_chunks[0] + [-200] + text_chunks[1], dtype=torch.long).unsqueeze(0)

# image, sample images can be found in images folder
image = Image.open('/path/to/image.png')
image_tensor = model.process_images([image], model.config).to(dtype=model.dtype)

# generate
output_ids = model.generate(
    input_ids,
    images=image_tensor,
    max_new_tokens=2048,
    use_cache=True)[0]

print(tokenizer.decode(output_ids[input_ids.shape[1]:], skip_special_tokens=True).strip())

💻 使用例

基本的な使用法

<|im_start|>user
: do OCR on all the text
<|im_start|>assistant
: 画像内のテキストは以下の通りです。

- STOP USING DOCKER
- Applications were not meant to be trapped in virtual jars like digital fireflies
- Years of software development, yet no one questioned why we were putting programs in imaginary boats
- Let's containerize our monolith. I'll just quickly spin up 17 microservices. Statements dreamt up by the utterly deranged
- Observe the whale-sized deception they fooled us with all this time
- These are real images used to explain Docker
- "Yay Matey, I'd like to run my website in a virtual sea"
- They have played us for absolute fools

このテキストは、ソフトウェア開発におけるDockerの使用に対する風刺的なコメントで、ユーモアと誇張を使ってその慣行に疑問を投げかけています。

📊 ベンチマーク

📄 ライセンス

• ライセンス: other
• ライセンス名: tongyi-qianwen
• ベースモデル: Qwen/Qwen2-72B

タグ

• generated_from_trainer
• axolotl

データセット

• cognitivecomputations/Dolphin-2.9
• teknium/OpenHermes-2.5
• m-a-p/CodeFeedback-Filtered-Instruction
• cognitivecomputations/dolphin-coder
• cognitivecomputations/samantha-data
• microsoft/orca-math-word-problems-200k
• Locutusque/function-calling-chatml
• internlm/Agent-FLAN