Tvl Mini 0.1

🚀 tvl-mini

这是一个基于LoRA微调的模型，在俄语环境下对Qwen2-VL-2B进行了优化，可用于文本到文本的生成任务，支持多模态数据处理。

🚀 快速开始

你可以直接运行 此笔记本，或者运行以下代码。

首先，安装 qwen-vl-utils 和 transformers 的开发版本：

pip install qwen-vl-utils
pip install --no-cache-dir git+https://github.com/huggingface/transformers@19e6e80e10118f855137b90740936c0b11ac397f

然后运行以下代码：

from transformers import Qwen2VLForConditionalGeneration, AutoTokenizer, AutoProcessor
from qwen_vl_utils import process_vision_info
import torch

model = Qwen2VLForConditionalGeneration.from_pretrained(
    "2Vasabi/tvl-mini-0.1", torch_dtype=torch.bfloat16, device_map="auto"
)

processor = AutoProcessor.from_pretrained("Qwen/Qwen2-VL-2B-Instruct")
messages = [
    {
        "role": "user",
        "content": [
            {
                "type": "image",
                "image": "https://i.ibb.co/d0QL8s6/images.jpg",
            },
            {"type": "text", "text": "Кратко опиши что ты видишь на изображении"},
        ],
    }
]

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",
)

inputs = inputs.to("cuda")

generated_ids = model.generate(**inputs, max_new_tokens=1000)
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)

✨ 主要特性

这是对Qwen2-VL-2B在俄语上进行的LORA微调模型。

📦 安装指南

首先，安装 qwen-vl-utils 和 transformers 的开发版本：

pip install qwen-vl-utils
pip install --no-cache-dir git+https://github.com/huggingface/transformers@19e6e80e10118f855137b90740936c0b11ac397f

📚 详细文档

数据

数据集包含：

• GrandMaster-PRO-MAX数据集（68k样本）
• 视觉推理（36k样本） #训练中
• 图像描述（34k样本） #训练中
• 知识问答（35k样本） #训练中
• 问答（80k样本） #训练中
• 分类（21k样本） #训练中
• 对话（11k样本） #训练中

基准测试

TODO

📄 许可证

本项目采用Apache-2.0许可证。