Heron Chat Git Ja Stablelm Base 7b V1

🚀 Heron GIT 日语 StableLM Base 7B

Heron GIT 日语 StableLM Base 7B 是一款视觉语言模型，能够针对输入的图像进行对话交流，为图像理解和交互提供了新的可能。

🚀 快速开始

你可以按照 安装指南 进行操作。

import torch
from heron.models.git_llm.git_japanese_stablelm_alpha import GitJapaneseStableLMAlphaForCausalLM
from transformers import AutoProcessor, LlamaTokenizer

device_id = 0
device = f"cuda:{device_id}"

MODEL_NAME = "turing-motors/heron-chat-git-ja-stablelm-base-7b-v1"
    
model = GitJapaneseStableLMAlphaForCausalLM.from_pretrained(
    MODEL_NAME, torch_dtype=torch.float16, ignore_mismatched_sizes=True
)
model.eval()
model.to(device)

# prepare a processor
processor = AutoProcessor.from_pretrained(MODEL_NAME)
tokenizer = LlamaTokenizer.from_pretrained(
    "novelai/nerdstash-tokenizer-v1",
    padding_side="right",
    additional_special_tokens=["▁▁"],
)
processor.tokenizer = tokenizer


import requests
from PIL import Image

# prepare inputs
url = "https://www.barnorama.com/wp-content/uploads/2016/12/03-Confusing-Pictures.jpg"
image = Image.open(requests.get(url, stream=True).raw)

text = f"##human: この画像の面白い点は何ですか?\n##gpt: "

# do preprocessing
inputs = processor(
    text=text,
    images=image,
    return_tensors="pt",
    truncation=True,
)

inputs = {k: v.to(device) for k, v in inputs.items()}

# do inference
with torch.no_grad():
    out = model.generate(**inputs, max_length=256, do_sample=False, temperature=0., no_repeat_ngram_size=2)

# print result
print(processor.tokenizer.batch_decode(out))

✨ 主要特性

Heron GIT 日语 StableLM Base 7B 是一款视觉语言模型，能够针对输入的图像进行对话交流。该模型使用 heron 库 进行训练，具体细节请参考代码。

📚 详细文档

模型详情

• 开发者：图灵公司
• 适配器类型：GIT
• 语言模型：日语 StableLM Base Alpha
• 支持语言：日语

训练情况

1. GIT 适配器使用 LLaVA-Pratrain-JA 进行训练。
2. 大语言模型（LLM）和适配器使用 LLaVA-Instruct-620K-JA-v2 进行全量微调。

训练数据集

1. LLaVA-Pratrain-JA
2. LLaVA-Instruct-620K-JA-v2

🔧 技术细节

使用与限制

预期用途

此模型旨在用于类似聊天的应用程序以及研究目的。

局限性

该模型可能会产生不准确或虚假的信息，其准确性无法保证，目前仍处于研发阶段。

引用方式

@misc{inoue2024heronbench,
      title={Heron-Bench: A Benchmark for Evaluating Vision Language Models in Japanese}, 
      author={Yuichi Inoue and Kento Sasaki and Yuma Ochi and Kazuki Fujii and Kotaro Tanahashi and Yu Yamaguchi},
      year={2024},
      eprint={2404.07824},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

📄 许可证

本项目采用 CC BY-NC 4.0 许可证。