Pixtral 12b Quantized.w8a8
基於mgoin/pixtral-12b的INT8量化版本,支持視覺-文本多模態任務,優化了推理效率
Downloads 309
Release Time : 2/8/2025
Model Overview
這是一個經過INT8權重量化和激活量化的多模態模型,支持視覺輸入和文本輸出,適用於圖像理解和生成任務
Model Features
高效INT8量化
權重量化和激活量化均為INT8,顯著提升推理效率
多模態支持
支持視覺輸入和文本輸出,能夠處理圖像和文本的聯合任務
vLLM優化
專為vLLM推理引擎優化,支持高效部署
高精度保持
量化後保持了原始模型97%以上的準確率
Model Capabilities
視覺問答
圖像內容描述
文檔理解
圖表分析
多模態推理
Use Cases
視覺問答
圖像內容理解
回答關於圖像內容的自然語言問題
在VQAv2驗證集上達到78.00準確率
文檔分析
文檔問答
從掃描文檔中提取信息並回答問題
在DocVQA驗證集上達到89.35 ANLS分數
圖表理解
圖表數據分析
解釋圖表內容並回答相關問題
在ChartQA測試集上達到81.60準確率
🚀 pixtral-12b-quantized.w8a8
這是一個經過量化處理的模型,基於 mgoin/pixtral-12b
模型,可通過 vLLM 高效部署,適用於視覺和文本相關任務。
🚀 快速開始
本模型可以使用 vLLM 後端進行高效部署,示例代碼如下:
from vllm.assets.image import ImageAsset
from vllm import LLM, SamplingParams
# prepare model
llm = LLM(
model="neuralmagic/pixtral-12b-quantized.w8a8",
trust_remote_code=True,
max_model_len=4096,
max_num_seqs=2,
)
# prepare inputs
question = "What is the content of this image?"
inputs = {
"prompt": f"<|user|>\n<|image_1|>\n{question}<|end|>\n<|assistant|>\n",
"multi_modal_data": {
"image": ImageAsset("cherry_blossom").pil_image.convert("RGB")
},
}
# generate response
print("========== SAMPLE GENERATION ==============")
outputs = llm.generate(inputs, SamplingParams(temperature=0.2, max_tokens=64))
print(f"PROMPT : {outputs[0].prompt}")
print(f"RESPONSE: {outputs[0].outputs[0].text}")
print("==========================================")
vLLM 還支持與 OpenAI 兼容的服務,更多詳細信息請參閱 文檔。
✨ 主要特性
- 模型架構:基於
mgoin/pixtral-12b
,輸入為視覺 - 文本,輸出為文本。 - 模型優化:權重和激活均採用 INT8 量化,適用於 vLLM >= 0.5.2 進行推理。
- 推理性能:在單流部署中最高可達 1.57 倍加速,在多流異步部署中最高可達 1.53 倍加速。
📦 安裝指南
文檔未提及具體安裝步驟,可參考 vLLM 官方文檔進行環境配置。
💻 使用示例
基礎用法
from vllm.assets.image import ImageAsset
from vllm import LLM, SamplingParams
# prepare model
llm = LLM(
model="neuralmagic/pixtral-12b-quantized.w8a8",
trust_remote_code=True,
max_model_len=4096,
max_num_seqs=2,
)
# prepare inputs
question = "What is the content of this image?"
inputs = {
"prompt": f"<|user|>\n<|image_1|>\n{question}<|end|>\n<|assistant|>\n",
"multi_modal_data": {
"image": ImageAsset("cherry_blossom").pil_image.convert("RGB")
},
}
# generate response
print("========== SAMPLE GENERATION ==============")
outputs = llm.generate(inputs, SamplingParams(temperature=0.2, max_tokens=64))
print(f"PROMPT : {outputs[0].prompt}")
print(f"RESPONSE: {outputs[0].outputs[0].text}")
print("==========================================")
高級用法
文檔未提及高級用法相關代碼,可根據具體需求調整輸入參數和模型配置。
📚 詳細文檔
模型概述
屬性 | 詳情 |
---|---|
模型類型 | 基於 mgoin/pixtral-12b 的量化版本 |
訓練數據 | 未提及 |
發佈日期 | 2025 年 2 月 24 日 |
版本 | 1.0 |
模型開發者 | Neural Magic |
該模型是 mgoin/pixtral-12b 的量化版本,通過將權重量化為 INT8 數據類型,可使用 vLLM >= 0.5.2 進行推理。
模型創建
本模型使用 llm-compressor 創建,代碼如下:
模型創建代碼
import requests
import torch
from PIL import Image
from transformers import AutoProcessor
from llmcompressor.modifiers.quantization import GPTQModifier
from llmcompressor.transformers import oneshot
from llmcompressor.transformers.tracing import TraceableLlavaForConditionalGeneration
# Load model.
model_id = mgoin/pixtral-12b
model = TraceableLlavaForConditionalGeneration.from_pretrained(
model_id, device_map="auto", torch_dtype="auto"
)
processor = AutoProcessor.from_pretrained(model_id, trust_remote_code=True)
# Oneshot arguments
DATASET_ID = "flickr30k"
DATASET_SPLIT = {"calibration": "test[:512]"}
NUM_CALIBRATION_SAMPLES = 512
MAX_SEQUENCE_LENGTH = 2048
# Define a oneshot data collator for multimodal inputs.
def data_collator(batch):
assert len(batch) == 1
return {
"input_ids": torch.LongTensor(batch[0]["input_ids"]),
"attention_mask": torch.tensor(batch[0]["attention_mask"]),
"pixel_values": torch.tensor(batch[0]["pixel_values"]),
}
# Recipe
recipe = [
GPTQModifier(
targets="Linear",
scheme="W8A8",
sequential_targets=["MistralDecoderLayer"],
ignore=["re:.*lm_head", "re:vision_tower.*", "re:multi_modal_projector.*"],
),
]
SAVE_DIR=f"{model_id.split('/')[1]}-quantized.w8a8"
# Perform oneshot
oneshot(
model=model,
tokenizer=model_id,
dataset=DATASET_ID,
splits=DATASET_SPLIT,
recipe=recipe,
max_seq_length=MAX_SEQUENCE_LENGTH,
num_calibration_samples=NUM_CALIBRATION_SAMPLES,
trust_remote_code_model=True,
data_collator=data_collator,
output_dir=SAVE_DIR
)
評估
模型使用 mistral-evals 進行視覺相關任務評估,使用 lm_evaluation_harness 進行部分基於文本的基準測試。評估命令如下:
評估命令
視覺任務
- vqav2
- docvqa
- mathvista
- mmmu
- chartqa
vllm serve neuralmagic/pixtral-12b-quantized.w8a8 --tensor_parallel_size 1 --max_model_len 25000 --trust_remote_code --max_num_seqs 8 --gpu_memory_utilization 0.9 --dtype float16 --limit_mm_per_prompt image=7
python -m eval.run eval_vllm \
--model_name neuralmagic/pixtral-12b-quantized.w8a8 \
--url http://0.0.0.0:8000 \
--output_dir ~/tmp
--eval_name <vision_task_name>
基於文本的任務
MMLU
lm_eval \
--model vllm \
--model_args pretrained="<model_name>",dtype=auto,add_bos_token=True,max_model_len=4096,tensor_parallel_size=<n>,gpu_memory_utilization=0.8,enable_chunked_prefill=True,trust_remote_code=True \
--tasks mmlu \
--num_fewshot 5
--batch_size auto \
--output_path output_dir \
HumanEval
生成
python3 codegen/generate.py \
--model neuralmagic/pixtral-12b-quantized.w8a8 \
--bs 16 \
--temperature 0.2 \
--n_samples 50 \
--root "." \
--dataset humaneval
清理
python3 evalplus/sanitize.py \
humaneval/neuralmagic/pixtral-12b-quantized.w8a8_vllm_temp_0.2
評估
evalplus.evaluate \
--dataset humaneval \
--samples humaneval/neuralmagic/pixtral-12b-quantized.w8a8_vllm_temp_0.2-sanitized
準確率
類別 | 指標 | mgoin/pixtral-12b | neuralmagic/pixtral-12b-quantized.w8a8 | 恢復率 (%) |
---|---|---|---|---|
視覺 | MMMU (val, CoT) explicit_prompt_relaxed_correctness |
48.00 | 46.22 | 96.29% |
視覺 | VQAv2 (val) vqa_match |
78.71 | 78.00 | 99.10% |
視覺 | DocVQA (val) anls |
89.47 | 89.35 | 99.87% |
視覺 | ChartQA (test, CoT) anywhere_in_answer_relaxed_correctness |
81.68 | 81.60 | 99.90% |
視覺 | Mathvista (testmini, CoT) explicit_prompt_relaxed_correctness |
56.50 | 57.30 | 101.42% |
視覺 | 平均得分 | 70.07 | 70.09 | 100.03% |
文本 | HumanEval pass@1 |
68.40 | 66.39 | 97.06% |
文本 | MMLU (5-shot) | 71.40 | 70.50 | 98.74% |
推理性能
本模型在單流部署中最高可達 1.57 倍加速,在多流異步部署中最高可達 1.53 倍加速,具體取決於硬件和使用場景。性能基準測試使用 vLLM 版本 0.7.2 和 GuideLLM 進行。
基準測試命令
``` guidellm --model neuralmagic/pixtral-12b-quantized.w8a8 --target "http://localhost:8000/v1" --data-type emulated --data prompt_tokens=單流性能(使用 vLLM 版本 0.7.2 測量)
硬件 | 模型 | 平均成本降低 | 延遲 (s) | 每美元查詢次數 |
---|---|---|---|---|
A6000x1 | mgoin/pixtral-12b | 5.7 | 796 | |
A6000x1 | neuralmagic/pixtral-12b-quantized.w8a8 | 1.55 | 3.7 | 1220 |
A6000x1 | neuralmagic/pixtral-12b-quantized.w4a16 | 2.16 | 3.2 | 1417 |
A100x1 | mgoin/pixtral-12b | 3.0 | 676 | |
A100x1 | neuralmagic/pixtral-12b-quantized.w8a8 | 1.38 | 2.2 | 904 |
A100x1 | neuralmagic/pixtral-12b-quantized.w4a16 | 1.83 | 1.8 | 1096 |
H100x1 | mgoin/pixtral-12b | 1.8 | 595 | |
H100x1 | neuralmagic/pixtral-12b-FP8-Dynamic | 1.35 | 1.4 | 767 |
H100x1 | neuralmagic/pixtral-12b-quantized.w4a16 | 1.37 | 1.4 | 787 |
多流異步性能(使用 vLLM 版本 0.7.2 測量)
硬件 | 模型 | 平均成本降低 | 最大吞吐量 (QPS) | 每美元查詢次數 |
---|---|---|---|---|
A6000x1 | mgoin/pixtral-12b | 0.6 | 2632 | |
A6000x1 | neuralmagic/pixtral-12b-quantized.w8a8 | 1.50 | 0.9 | 3901 |
A6000x1 | neuralmagic/pixtral-12b-quantized.w4a16 | 1.41 | 0.6 | 2890 |
A100x1 | mgoin/pixtral-12b | 1.1 | 2291 | |
A100x1 | neuralmagic/pixtral-12b-quantized.w8a8 | 1.38 | 1.5 | 3096 |
A100x1 | neuralmagic/pixtral-12b-quantized.w4a16 | 1.40 | 1.4 | 2728 |
H100x1 | BF16 | 2.6 | 2877 | |
H100x1 | neuralmagic/pixtral-12b-FP8-Dynamic | 1.33 | 3.4 | 3753 |
H100x1 | neuralmagic/pixtral-12b-quantized.w4a16 | 1.22 | 2.8 | 3115 |
📄 許可證
本模型採用 Apache-2.0 許可證。
Clip Vit Large Patch14
CLIP是由OpenAI開發的視覺-語言模型,通過對比學習將圖像和文本映射到共享的嵌入空間,支持零樣本圖像分類
圖像生成文本
C
openai
44.7M
1,710
Clip Vit Base Patch32
CLIP是由OpenAI開發的多模態模型,能夠理解圖像和文本之間的關係,支持零樣本圖像分類任務。
圖像生成文本
C
openai
14.0M
666
Siglip So400m Patch14 384
Apache-2.0
SigLIP是基於WebLi數據集預訓練的視覺語言模型,採用改進的sigmoid損失函數,優化了圖像-文本匹配任務。
圖像生成文本
Transformers

S
google
6.1M
526
Clip Vit Base Patch16
CLIP是由OpenAI開發的多模態模型,通過對比學習將圖像和文本映射到共享的嵌入空間,實現零樣本圖像分類能力。
圖像生成文本
C
openai
4.6M
119
Blip Image Captioning Base
Bsd-3-clause
BLIP是一個先進的視覺-語言預訓練模型,擅長圖像描述生成任務,支持條件式和非條件式文本生成。
圖像生成文本
Transformers

B
Salesforce
2.8M
688
Blip Image Captioning Large
Bsd-3-clause
BLIP是一個統一的視覺-語言預訓練框架,擅長圖像描述生成任務,支持條件式和無條件式圖像描述生成。
圖像生成文本
Transformers

B
Salesforce
2.5M
1,312
Openvla 7b
MIT
OpenVLA 7B是一個基於Open X-Embodiment數據集訓練的開源視覺-語言-動作模型,能夠根據語言指令和攝像頭圖像生成機器人動作。
圖像生成文本
Transformers English

O
openvla
1.7M
108
Llava V1.5 7b
LLaVA 是一款開源多模態聊天機器人,基於 LLaMA/Vicuna 微調,支持圖文交互。
圖像生成文本
Transformers

L
liuhaotian
1.4M
448
Vit Gpt2 Image Captioning
Apache-2.0
這是一個基於ViT和GPT2架構的圖像描述生成模型,能夠為輸入圖像生成自然語言描述。
圖像生成文本
Transformers

V
nlpconnect
939.88k
887
Blip2 Opt 2.7b
MIT
BLIP-2是一個視覺語言模型,結合了圖像編碼器和大型語言模型,用於圖像到文本的生成任務。
圖像生成文本
Transformers English

B
Salesforce
867.78k
359
Featured Recommended AI Models
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型,性能媲美GPT-3.5-turbo,優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型
Transformers Supports Multiple Languages

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型,專為邊緣設備推理設計,體積僅為Cosmo-3B模型的2%左右。
對話系統
Transformers English

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型,適用於從給定文本中提取答案的任務。
問答系統 Chinese
R
uer
2,694
98