Mplug Owl Llama 7b

🚀 mPLUG - Owl

mPLUG - Owl是一個圖像到文本的模型，可用於根據圖像生成文本描述等任務，在圖像理解和文本生成方面具有強大的能力。

🚀 快速開始

📦 安裝指南

從Github獲取最新的代碼庫：

git clone https://github.com/X-PLUG/mPLUG-Owl.git

💻 使用示例

基礎用法

模型初始化

from mplug_owl.modeling_mplug_owl import MplugOwlForConditionalGeneration
from mplug_owl.tokenization_mplug_owl import MplugOwlTokenizer
from mplug_owl.processing_mplug_owl import MplugOwlImageProcessor, MplugOwlProcessor

pretrained_ckpt = 'MAGAer13/mplug-owl-llama-7b'
model = MplugOwlForConditionalGeneration.from_pretrained(
    pretrained_ckpt,
    torch_dtype=torch.bfloat16,
)
image_processor = MplugOwlImageProcessor.from_pretrained(pretrained_ckpt)
tokenizer = MplugOwlTokenizer.from_pretrained(pretrained_ckpt)
processor = MplugOwlProcessor(image_processor, tokenizer)

模型推理

準備模型輸入：

# 我們使用人類/AI模板將上下文組織成多輪對話。
# <image> 表示一個圖像佔位符。
prompts = [
'''The following is a conversation between a curious human and AI assistant. The assistant gives helpful, detailed, and polite answers to the user's questions.
Human: <image>
Human: Explain why this meme is funny.
AI: ''']

# 圖像路徑應放在image_list中，並與提示中的順序保持一致。
# 我們支持URL、本地文件路徑和base64字符串。你可以通過修改mplug_owl.modeling_mplug_owl.ImageProcessor來自定義圖像的預處理。
image_list = ['https://xxx.com/image.jpg']

獲取響應：

# generate kwargs（與transformers中相同）可以傳遞給do_generate()
generate_kwargs = {
    'do_sample': True,
    'top_k': 5,
    'max_length': 512
}
from PIL import Image
images = [Image.open(_) for _ in image_list]
inputs = processor(text=prompts, images=images, return_tensors='pt')
inputs = {k: v.bfloat16() if v.dtype == torch.float else v for k, v in inputs.items()}
inputs = {k: v.to(model.device) for k, v in inputs.items()}
with torch.no_grad():
    res = model.generate(**inputs, **generate_kwargs)
sentence = tokenizer.decode(res.tolist()[0], skip_special_tokens=True)
print(sentence)

📄 許可證

本項目採用Apache - 2.0許可證。