Pixtral 12b Quantized.w8a8
基于mgoin/pixtral-12b的INT8量化版本,支持视觉-文本多模态任务,优化了推理效率
下载量 309
发布时间 : 2/8/2025
模型简介
这是一个经过INT8权重量化和激活量化的多模态模型,支持视觉输入和文本输出,适用于图像理解和生成任务
模型特点
高效INT8量化
权重量化和激活量化均为INT8,显著提升推理效率
多模态支持
支持视觉输入和文本输出,能够处理图像和文本的联合任务
vLLM优化
专为vLLM推理引擎优化,支持高效部署
高精度保持
量化后保持了原始模型97%以上的准确率
模型能力
视觉问答
图像内容描述
文档理解
图表分析
多模态推理
使用案例
视觉问答
图像内容理解
回答关于图像内容的自然语言问题
在VQAv2验证集上达到78.00准确率
文档分析
文档问答
从扫描文档中提取信息并回答问题
在DocVQA验证集上达到89.35 ANLS分数
图表理解
图表数据分析
解释图表内容并回答相关问题
在ChartQA测试集上达到81.60准确率
🚀 pixtral-12b-quantized.w8a8
这是一个经过量化处理的模型,基于 mgoin/pixtral-12b
模型,可通过 vLLM 高效部署,适用于视觉和文本相关任务。
🚀 快速开始
本模型可以使用 vLLM 后端进行高效部署,示例代码如下:
from vllm.assets.image import ImageAsset
from vllm import LLM, SamplingParams
# prepare model
llm = LLM(
model="neuralmagic/pixtral-12b-quantized.w8a8",
trust_remote_code=True,
max_model_len=4096,
max_num_seqs=2,
)
# prepare inputs
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")
},
}
# generate response
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 还支持与 OpenAI 兼容的服务,更多详细信息请参阅 文档。
✨ 主要特性
- 模型架构:基于
mgoin/pixtral-12b
,输入为视觉 - 文本,输出为文本。 - 模型优化:权重和激活均采用 INT8 量化,适用于 vLLM >= 0.5.2 进行推理。
- 推理性能:在单流部署中最高可达 1.57 倍加速,在多流异步部署中最高可达 1.53 倍加速。
📦 安装指南
文档未提及具体安装步骤,可参考 vLLM 官方文档进行环境配置。
💻 使用示例
基础用法
from vllm.assets.image import ImageAsset
from vllm import LLM, SamplingParams
# prepare model
llm = LLM(
model="neuralmagic/pixtral-12b-quantized.w8a8",
trust_remote_code=True,
max_model_len=4096,
max_num_seqs=2,
)
# prepare inputs
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")
},
}
# generate response
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("==========================================")
高级用法
文档未提及高级用法相关代码,可根据具体需求调整输入参数和模型配置。
📚 详细文档
模型概述
属性 | 详情 |
---|---|
模型类型 | 基于 mgoin/pixtral-12b 的量化版本 |
训练数据 | 未提及 |
发布日期 | 2025 年 2 月 24 日 |
版本 | 1.0 |
模型开发者 | Neural Magic |
该模型是 mgoin/pixtral-12b 的量化版本,通过将权重量化为 INT8 数据类型,可使用 vLLM >= 0.5.2 进行推理。
模型创建
本模型使用 llm-compressor 创建,代码如下:
模型创建代码
import requests
import torch
from PIL import Image
from transformers import AutoProcessor
from llmcompressor.modifiers.quantization import GPTQModifier
from llmcompressor.transformers import oneshot
from llmcompressor.transformers.tracing import TraceableLlavaForConditionalGeneration
# Load model.
model_id = mgoin/pixtral-12b
model = TraceableLlavaForConditionalGeneration.from_pretrained(
model_id, device_map="auto", torch_dtype="auto"
)
processor = AutoProcessor.from_pretrained(model_id, trust_remote_code=True)
# Oneshot arguments
DATASET_ID = "flickr30k"
DATASET_SPLIT = {"calibration": "test[:512]"}
NUM_CALIBRATION_SAMPLES = 512
MAX_SEQUENCE_LENGTH = 2048
# Define a oneshot data collator for multimodal inputs.
def data_collator(batch):
assert len(batch) == 1
return {
"input_ids": torch.LongTensor(batch[0]["input_ids"]),
"attention_mask": torch.tensor(batch[0]["attention_mask"]),
"pixel_values": torch.tensor(batch[0]["pixel_values"]),
}
# Recipe
recipe = [
GPTQModifier(
targets="Linear",
scheme="W8A8",
sequential_targets=["MistralDecoderLayer"],
ignore=["re:.*lm_head", "re:vision_tower.*", "re:multi_modal_projector.*"],
),
]
SAVE_DIR=f"{model_id.split('/')[1]}-quantized.w8a8"
# Perform oneshot
oneshot(
model=model,
tokenizer=model_id,
dataset=DATASET_ID,
splits=DATASET_SPLIT,
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
)
评估
模型使用 mistral-evals 进行视觉相关任务评估,使用 lm_evaluation_harness 进行部分基于文本的基准测试。评估命令如下:
评估命令
视觉任务
- 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>
基于文本的任务
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 \
HumanEval
生成
python3 codegen/generate.py \
--model neuralmagic/pixtral-12b-quantized.w8a8 \
--bs 16 \
--temperature 0.2 \
--n_samples 50 \
--root "." \
--dataset humaneval
清理
python3 evalplus/sanitize.py \
humaneval/neuralmagic/pixtral-12b-quantized.w8a8_vllm_temp_0.2
评估
evalplus.evaluate \
--dataset humaneval \
--samples humaneval/neuralmagic/pixtral-12b-quantized.w8a8_vllm_temp_0.2-sanitized
准确率
类别 | 指标 | mgoin/pixtral-12b | neuralmagic/pixtral-12b-quantized.w8a8 | 恢复率 (%) |
---|---|---|---|---|
视觉 | MMMU (val, CoT) explicit_prompt_relaxed_correctness |
48.00 | 46.22 | 96.29% |
视觉 | VQAv2 (val) vqa_match |
78.71 | 78.00 | 99.10% |
视觉 | DocVQA (val) anls |
89.47 | 89.35 | 99.87% |
视觉 | ChartQA (test, CoT) anywhere_in_answer_relaxed_correctness |
81.68 | 81.60 | 99.90% |
视觉 | Mathvista (testmini, CoT) explicit_prompt_relaxed_correctness |
56.50 | 57.30 | 101.42% |
视觉 | 平均得分 | 70.07 | 70.09 | 100.03% |
文本 | HumanEval pass@1 |
68.40 | 66.39 | 97.06% |
文本 | MMLU (5-shot) | 71.40 | 70.50 | 98.74% |
推理性能
本模型在单流部署中最高可达 1.57 倍加速,在多流异步部署中最高可达 1.53 倍加速,具体取决于硬件和使用场景。性能基准测试使用 vLLM 版本 0.7.2 和 GuideLLM 进行。
基准测试命令
``` guidellm --model neuralmagic/pixtral-12b-quantized.w8a8 --target "http://localhost:8000/v1" --data-type emulated --data prompt_tokens=单流性能(使用 vLLM 版本 0.7.2 测量)
硬件 | 模型 | 平均成本降低 | 延迟 (s) | 每美元查询次数 |
---|---|---|---|---|
A6000x1 | mgoin/pixtral-12b | 5.7 | 796 | |
A6000x1 | neuralmagic/pixtral-12b-quantized.w8a8 | 1.55 | 3.7 | 1220 |
A6000x1 | neuralmagic/pixtral-12b-quantized.w4a16 | 2.16 | 3.2 | 1417 |
A100x1 | mgoin/pixtral-12b | 3.0 | 676 | |
A100x1 | neuralmagic/pixtral-12b-quantized.w8a8 | 1.38 | 2.2 | 904 |
A100x1 | neuralmagic/pixtral-12b-quantized.w4a16 | 1.83 | 1.8 | 1096 |
H100x1 | mgoin/pixtral-12b | 1.8 | 595 | |
H100x1 | neuralmagic/pixtral-12b-FP8-Dynamic | 1.35 | 1.4 | 767 |
H100x1 | neuralmagic/pixtral-12b-quantized.w4a16 | 1.37 | 1.4 | 787 |
多流异步性能(使用 vLLM 版本 0.7.2 测量)
硬件 | 模型 | 平均成本降低 | 最大吞吐量 (QPS) | 每美元查询次数 |
---|---|---|---|---|
A6000x1 | mgoin/pixtral-12b | 0.6 | 2632 | |
A6000x1 | neuralmagic/pixtral-12b-quantized.w8a8 | 1.50 | 0.9 | 3901 |
A6000x1 | neuralmagic/pixtral-12b-quantized.w4a16 | 1.41 | 0.6 | 2890 |
A100x1 | mgoin/pixtral-12b | 1.1 | 2291 | |
A100x1 | neuralmagic/pixtral-12b-quantized.w8a8 | 1.38 | 1.5 | 3096 |
A100x1 | neuralmagic/pixtral-12b-quantized.w4a16 | 1.40 | 1.4 | 2728 |
H100x1 | BF16 | 2.6 | 2877 | |
H100x1 | neuralmagic/pixtral-12b-FP8-Dynamic | 1.33 | 3.4 | 3753 |
H100x1 | neuralmagic/pixtral-12b-quantized.w4a16 | 1.22 | 2.8 | 3115 |
📄 许可证
本模型采用 Apache-2.0 许可证。
Clip Vit Large Patch14
CLIP是由OpenAI开发的视觉-语言模型,通过对比学习将图像和文本映射到共享的嵌入空间,支持零样本图像分类
图像生成文本
C
openai
44.7M
1,710
Clip Vit Base Patch32
CLIP是由OpenAI开发的多模态模型,能够理解图像和文本之间的关系,支持零样本图像分类任务。
图像生成文本
C
openai
14.0M
666
Siglip So400m Patch14 384
Apache-2.0
SigLIP是基于WebLi数据集预训练的视觉语言模型,采用改进的sigmoid损失函数,优化了图像-文本匹配任务。
图像生成文本
Transformers

S
google
6.1M
526
Clip Vit Base Patch16
CLIP是由OpenAI开发的多模态模型,通过对比学习将图像和文本映射到共享的嵌入空间,实现零样本图像分类能力。
图像生成文本
C
openai
4.6M
119
Blip Image Captioning Base
Bsd-3-clause
BLIP是一个先进的视觉-语言预训练模型,擅长图像描述生成任务,支持条件式和非条件式文本生成。
图像生成文本
Transformers

B
Salesforce
2.8M
688
Blip Image Captioning Large
Bsd-3-clause
BLIP是一个统一的视觉-语言预训练框架,擅长图像描述生成任务,支持条件式和无条件式图像描述生成。
图像生成文本
Transformers

B
Salesforce
2.5M
1,312
Openvla 7b
MIT
OpenVLA 7B是一个基于Open X-Embodiment数据集训练的开源视觉-语言-动作模型,能够根据语言指令和摄像头图像生成机器人动作。
图像生成文本
Transformers 英语

O
openvla
1.7M
108
Llava V1.5 7b
LLaVA 是一款开源多模态聊天机器人,基于 LLaMA/Vicuna 微调,支持图文交互。
图像生成文本
Transformers

L
liuhaotian
1.4M
448
Vit Gpt2 Image Captioning
Apache-2.0
这是一个基于ViT和GPT2架构的图像描述生成模型,能够为输入图像生成自然语言描述。
图像生成文本
Transformers

V
nlpconnect
939.88k
887
Blip2 Opt 2.7b
MIT
BLIP-2是一个视觉语言模型,结合了图像编码器和大型语言模型,用于图像到文本的生成任务。
图像生成文本
Transformers 英语

B
Salesforce
867.78k
359
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers 支持多种语言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers 英语

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统 中文
R
uer
2,694
98