🚀 Qwen2.5-VL-7B-Instruct-GPTQ-Int3
這是一個使用gptqmodel
庫對Qwen2.5-VL
模型進行GPTQ-Int3量化的非官方版本。該模型與最新的transformers
庫兼容(該庫可運行非量化的Qwen2.5-VL模型)。
✨ 主要特性
- 本模型為
Qwen2.5-VL
的GPTQ-Int3量化版本,在評估中,GPTQ模型比AWQ系列在計算上更高效(顯存使用更少、推理速度更快)。
- 與最新的
transformers
庫兼容,可運行非量化的Qwen2.5-VL模型。
📦 安裝指南
安裝所需的庫:
pip install git+https://github.com/huggingface/transformers accelerate qwen-vl-utils
pip install git+https://github.com/huggingface/optimum.git
pip install gptqmodel
你可能還需要選擇性安裝:
pip install tokenicer device_smi logbar
💻 使用示例
基礎用法
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": "請你描述一下這張圖片。"},
],
}]
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])
響應示例
這張圖片展示了一箇中文和英文的標誌,內容為“中文LLaMA & Alpaca大模型”和“Chinese LLaMA & Alpaca Large Language Models”。標誌左側有兩個卡通形象,一個是紅色圍巾的羊駝,另一個是白色毛髮的羊駝,背景是一個綠色的草地和一座紅色屋頂的建築。標誌右側有一個數字3,旁邊有一些電路圖案。整體設計簡潔明瞭,使用了明亮的顏色和可愛的卡通形象來吸引注意力。
📚 詳細文檔
性能表現
注意事項
- 評估使用 lmms-eval 並採用默認設置。
- 在這些評估中,GPTQ模型比AWQ系列在計算上更高效(顯存使用更少、推理速度更快)。
- 建議使用
gptqmodel
而不是autogptq
庫,因為autogptq
已停止維護。
免責聲明
📄 許可證
本項目採用Apache-2.0許可證。