🚀 InternLM-XComposer2

InternLM-XComposer2 是一款基於 InternLM2 的視覺語言大模型（VLLM），可實現高級的文本 - 圖像理解與合成。本倉庫基於 InternLM-XComposer2 官方版 構建，支持 批量訓練 和 閃存注意力機制（flash-attn） 以加速運算。歡迎試用並提出寶貴建議~

InternLM-XComposer2

我們發佈了兩個版本的 InternLM-XComposer2 系列模型：

• InternLM-XComposer2-VL：以 InternLM2 作為大語言模型（LLM）初始化的預訓練 VLLM 模型，在各種多模態基準測試中表現出色。
• InternLM-XComposer2：針對 自由形式的文本 - 圖像交錯合成 進行微調的 VLLM 模型。

🚀 快速開始

我們提供一個簡單示例，展示如何使用 🤗 Transformers 調用 InternLM-XComposer。

基礎用法

import torch
from transformers import AutoModel, AutoTokenizer

torch.set_grad_enabled(False)

# 初始化模型和分詞器
model = AutoModel.from_pretrained('internlm/internlm-xcomposer2-vl-7b', trust_remote_code=True).cuda().eval()
tokenizer = AutoTokenizer.from_pretrained('internlm/internlm-xcomposer2-vl-7b', trust_remote_code=True)

query = '<ImageHere>Please describe this image in detail.'
image = './image1.webp'
with torch.cuda.amp.autocast():
  response, _ = model.chat(tokenizer, query=query, image=image, history=[], do_sample=False)
print(response)
# 圖像中展示了奧斯卡·王爾德的一句名言：“無藉口地生活，無遺憾地旅行”，背景是令人驚歎的日落景色。天空被染成了粉色和橙色，營造出寧靜的氛圍。兩個剪影人物站在懸崖上，俯瞰著地平線。他們似乎正在徒步旅行或探索，體現了這句名言的精髓。整個場景傳達出一種冒險和自由的感覺，鼓勵觀眾毫不猶豫地擁抱生活，不留遺憾。

從 Transformers 導入模型

若要使用 Transformers 加載 InternLM-XComposer2-VL-7B 模型，請使用以下代碼：

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM
ckpt_path = "internlm/internlm-xcomposer2-vl-7b"
tokenizer = AutoTokenizer.from_pretrained(ckpt_path, trust_remote_code=True).cuda()
# 設置 `torch_dtype=torch.float16` 以 float16 格式加載模型，否則將以 float32 格式加載，可能導致內存溢出錯誤。
model = AutoModelForCausalLM.from_pretrained(ckpt_path, torch_dtype=torch.float16, trust_remote_code=True).cuda()
model = model.eval()

📄 許可證

代碼採用 Apache 2.0 許可證，而模型權重完全開放用於學術研究，也允許免費商業使用。如需申請商業許可證，請填寫申請表（英文/中文）。如有其他問題或合作需求，請聯繫 internlm@pjlab.org.cn。