Qwen2.5 VL 3B Instruct Quantized.w8a8
Qwen/Qwen2.5-VL-3B-Instruct的量化版本,支持視覺-文本輸入和文本輸出,權重量化為INT8,激活量化為INT8。
下載量 274
發布時間 : 2/7/2025
模型概述
該模型是Qwen/Qwen2.5-VL-3B-Instruct的量化版本,適用於視覺-語言任務,支持高效的推理部署。
模型特點
高效量化
權重量化為INT8,激活量化為INT8,顯著提升推理效率。
多模態支持
支持視覺和文本輸入,適用於複雜的多模態任務。
高性能推理
通過vLLM後端實現高效部署,支持單流和多流異步推理。
模型能力
視覺-文本理解
文本生成
多模態推理
使用案例
視覺問答
圖片內容描述
根據輸入的圖片生成描述性文本。
在VQAv2數據集上達到75.55的準確率。
文檔理解
文檔視覺問答
解析文檔圖片並回答相關問題。
在DocVQA數據集上達到92.32的ANLS分數。
🚀 Qwen2.5-VL-3B-Instruct量化版w8a8
這是Qwen/Qwen2.5-VL-3B-Instruct的量化版本,通過將權重量化為INT8數據類型,可在vLLM >= 0.5.2上進行推理,在單流部署中速度提升可達1.33倍,多流異步部署中速度提升可達1.37倍。
🚀 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
# 準備模型
llm = LLM(
model="neuralmagic/Qwen2.5-VL-3B-Instruct-quantized.w8a8",
trust_remote_code=True,
max_model_len=4096,
max_num_seqs=2,
)
# 準備輸入
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")
},
}
# 生成響應
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 Qwen/Qwen2.5-VL-3B-Instruct,輸入為視覺文本,輸出為文本。
- 模型優化:採用權重量化(INT8)和激活量化(INT8),可在 vLLM >= 0.5.2 上進行推理。
- 推理性能:在單流部署中速度提升可達1.33倍,多流異步部署中速度提升可達1.37倍。
屬性 | 詳情 |
---|---|
模型類型 | Qwen/Qwen2.5-VL-3B-Instruct量化版w8a8 |
訓練數據 | 未提及 |
📦 安裝指南
文檔未提供具體安裝命令,暫不展示安裝指南。
💻 使用示例
基礎用法
from vllm.assets.image import ImageAsset
from vllm import LLM, SamplingParams
# 準備模型
llm = LLM(
model="neuralmagic/Qwen2.5-VL-3B-Instruct-quantized.w8a8",
trust_remote_code=True,
max_model_len=4096,
max_num_seqs=2,
)
# 準備輸入
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")
},
}
# 生成響應
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("==========================================")
📚 詳細文檔
模型創建
本模型使用 llm-compressor 創建,代碼如下:
模型創建代碼
import base64
from io import BytesIO
import torch
from datasets import load_dataset
from qwen_vl_utils import process_vision_info
from transformers import AutoProcessor
from llmcompressor.modifiers.quantization import GPTQModifier
from llmcompressor.transformers import oneshot
from llmcompressor.transformers.tracing import (
TraceableQwen2_5_VLForConditionalGeneration,
)
# 加載模型
model_id = args["model_id"]
model = TraceableQwen2_5_VLForConditionalGeneration.from_pretrained(
model_id,
device_map="auto",
torch_dtype="auto",
)
processor = AutoProcessor.from_pretrained(model_id, trust_remote_code=True)
# 一次性參數
DATASET_ID = "lmms-lab/flickr30k"
DATASET_SPLIT = {"calibration": "test[:512]"}
NUM_CALIBRATION_SAMPLES = 512
MAX_SEQUENCE_LENGTH = 2048
# 加載數據集並預處理
ds = load_dataset(DATASET_ID, split=DATASET_SPLIT)
ds = ds.shuffle(seed=42)
dampening_frac=args["dampening_frac"]
save_name = f"{model_id.split('/')[1]}-W8A8-samples{NUM_CALIBRATION_SAMPLES}-df{dampening_frac}"
save_path = os.path.join(args["save_dir"], save_name)
print("Save Path will be:", save_path)
# 應用聊天模板並對輸入進行分詞
def preprocess_and_tokenize(example):
# 預處理
buffered = BytesIO()
example["image"].save(buffered, format="PNG")
encoded_image = base64.b64encode(buffered.getvalue())
encoded_image_text = encoded_image.decode("utf-8")
base64_qwen = f"data:image;base64,{encoded_image_text}"
messages = [
{
"role": "user",
"content": [
{"type": "image", "image": base64_qwen},
{"type": "text", "text": "What does the image show?"},
],
}
]
text = processor.apply_chat_template(
messages, tokenize=False, add_generation_prompt=True
)
image_inputs, video_inputs = process_vision_info(messages)
# 分詞
return processor(
text=[text],
images=image_inputs,
videos=video_inputs,
padding=False,
max_length=MAX_SEQUENCE_LENGTH,
truncation=True,
)
ds = ds.map(preprocess_and_tokenize, remove_columns=ds["calibration"].column_names)
# 定義用於多模態輸入的一次性數據收集器
def data_collator(batch):
assert len(batch) == 1
return {key: torch.tensor(value) for key, value in batch[0].items()}
# 配方
recipe = [
GPTQModifier(
targets="Linear",
scheme="W8A8",
sequential_targets=["Qwen2_5_VLDecoderLayer"],
ignore=["lm_head", "re:visual.*"],
),
]
SAVE_DIR==f"{model_id.split('/')[1]}-quantized.w8a8"
# 執行一次性操作
oneshot(
model=model,
tokenizer=model_id,
dataset=ds,
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
本模型使用 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
MGSM
lm_eval \
--model vllm \
--model_args pretrained="<model_name>",dtype=auto,max_model_len=4096,max_gen_toks=2048,max_num_seqs=128,tensor_parallel_size=<n>,gpu_memory_utilization=0.9 \
--tasks mgsm_cot_native \
--apply_chat_template \
--num_fewshot 0 \
--batch_size auto \
--output_path output_dir
準確率
類別 | 指標 | Qwen/Qwen2.5-VL-3B-Instruct | neuralmagic/Qwen2.5-VL-3B-Instruct-quantized.w4a16 | 恢復率 (%) |
---|---|---|---|---|
視覺 | MMMU (val, CoT) explicit_prompt_relaxed_correctness |
44.56 | 45.67 | 102.49% |
視覺 | VQAv2 (val) vqa_match |
75.94 | 75.55 | 99.49% |
視覺 | DocVQA (val) anls |
92.53 | 92.32 | 99.77% |
視覺 | ChartQA (test, CoT) anywhere_in_answer_relaxed_correctness |
81.20 | 78.80 | 97.04% |
視覺 | Mathvista (testmini, CoT) explicit_prompt_relaxed_correctness |
54.15 | 53.85 | 99.45% |
視覺 | 平均得分 | 69.28 | 69.24 | 99.94% |
文本 | MGSM (CoT) | 43.69 | 41.98 | 96.09% |
文本 | MMLU (5-shot) | 65.32 | 64.83 | 99.25% |
推理性能
本模型在單流部署中速度提升可達1.33倍,多流異步部署中速度提升可達1.37倍。以下性能基準測試使用 vLLM 版本 0.7.2 和 GuideLLM 進行:
基準測試命令
``` guidellm --model neuralmagic/Qwen2.5-VL-3B-Instruct-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 | 文檔視覺問答 1680W x 2240H 64/128 延遲 (s) |
文檔視覺問答 1680W x 2240H 64/128 每美元查詢次數 |
視覺推理 640W x 480H 128/128 延遲 (s) |
視覺推理 640W x 480H 128/128 每美元查詢次數 |
圖像描述 480W x 360H 0/128 延遲 (s) |
圖像描述 480W x 360H 0/128 每美元查詢次數 |
---|---|---|---|---|---|---|---|---|
A6000x1 | Qwen/Qwen2.5-VL-3B-Instruct | 3.1 | 1454 | 1.8 | 2546 | 1.7 | 2610 | |
A6000x1 | neuralmagic/Qwen2.5-VL-3B-Instruct-quantized.w8a8 | 1.27 | 2.6 | 1708 | 1.3 | 3340 | 1.3 | 3459 |
A6000x1 | neuralmagic/Qwen2.5-VL-3B-Instruct-quantized.w4a16 | 1.57 | 2.4 | 1886 | 1.0 | 4409 | 1.0 | 4409 |
A100x1 | Qwen/Qwen2.5-VL-3B-Instruct | 2.2 | 920 | 1.3 | 1603 | 1.2 | 1636 | |
A100x1 | neuralmagic/Qwen2.5-VL-3B-Instruct-quantized.w8a8 | 1.09 | 2.1 | 975 | 1.2 | 1743 | 1.1 | 1814 |
A100x1 | neuralmagic/Qwen2.5-VL-3B-Instruct-quantized.w4a16 | 1.20 | 2.0 | 1011 | 1.0 | 2015 | 1.0 | 2012 |
H100x1 | Qwen/Qwen2.5-VL-3B-Instruct | 1.5 | 740 | 0.9 | 1221 | 0.9 | 1276 | |
H100x1 | neuralmagic/Qwen2.5-VL-3B-Instruct-FP8-Dynamic | 1.06 | 1.4 | 768 | 0.9 | 1276 | 0.8 | 1399 |
H100x1 | neuralmagic/Qwen2.5-VL-3B-Instruct-quantized.w4a16 | 1.24 | 0.9 | 1219 | 0.9 | 1270 | 0.8 | 1304 |
**用例配置文件:圖像尺寸 (WxH) / 提示詞令牌 / 生成令牌 **QPD:每美元查詢次數,基於 Lambda Labs 的按需成本(2025年2月18日觀察)。
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 | 文檔視覺問答 1680W x 2240H 64/128 最大吞吐量 (QPS) |
文檔視覺問答 1680W x 2240H 64/128 每美元查詢次數 |
視覺推理 640W x 480H 128/128 最大吞吐量 (QPS) |
視覺推理 640W x 480H 128/128 每美元查詢次數 |
圖像描述 480W x 360H 0/128 最大吞吐量 (QPS) |
圖像描述 480W x 360H 0/128 每美元查詢次數 |
---|---|---|---|---|---|---|---|---|
A6000x1 | Qwen/Qwen2.5-VL-3B-Instruct | 0.5 | 2405 | 2.6 | 11889 | 2.9 | 12909 | |
A6000x1 | neuralmagic/Qwen2.5-VL-3B-Instruct-quantized.w8a8 | 1.26 | 0.6 | 2725 | 3.4 | 15162 | 3.9 | 17673 |
A6000x1 | neuralmagic/Qwen2.5-VL-3B-Instruct-quantized.w4a16 | 1.39 | 0.6 | 2548 | 3.9 | 17437 | 4.7 | 21223 |
A100x1 | Qwen/Qwen2.5-VL-3B-Instruct | 0.8 | 1663 | 3.9 | 7899 | 4.4 | 8924 | |
A100x1 | neuralmagic/Qwen2.5-VL-3B-Instruct-quantized.w8a8 | 1.06 | 0.9 | 1734 | 4.2 | 8488 | 4.7 | 9548 |
A100x1 | neuralmagic/Qwen2.5-VL-3B-Instruct-quantized.w4a16 | 1.10 | 0.9 | 1775 | 4.2 | 8540 | 5.1 | 10318 |
H100x1 | Qwen/Qwen2.5-VL-3B-Instruct | 1.1 | 1188 | 4.3 | 4656 | 4.3 | 4676 | |
H100x1 | neuralmagic/Qwen2.5-VL-3B-Instruct-FP8-Dynamic | 1.15 | 1.4 | 1570 | 4.3 | 4676 | 4.8 | 5220 |
H100x1 | neuralmagic/Qwen2.5-VL-3B-Instruct-quantized.w4a16 | 1.96 | 4.2 | 4598 | 4.1 | 4505 | 4.4 | 4838 |
**用例配置文件:圖像尺寸 (WxH) / 提示詞令牌 / 生成令牌 **QPS:每秒查詢次數。 **QPD:每美元查詢次數,基於 Lambda Labs 的按需成本(2025年2月18日觀察)。
🔧 技術細節
文檔未提供具體技術實現細節,暫不展示技術細節。
📄 許可證
本項目採用 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 英語

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 英語

B
Salesforce
867.78k
359
精選推薦AI模型
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 支持多種語言

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 英語

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 中文
R
uer
2,694
98