Software 2.0

MiniCPM-V端侧多模态大模型

MODEL ZOO Nov 16, 2024

过去几年，多模态大型语言模型 (MLLM) 席卷了 AI 世界，彻底改变了我们理解和与技术互动的方式。然而，这些强大的模型通常需要强大的云服务器，这限制了它们在移动、离线和隐私敏感环境中的使用。

MiniCPM-V 是一系列高效的 MLLM，旨在在手机和个人电脑等端侧设备上运行。该系列的最新型号 MiniCPM-Llama3-V 2.6 实现了 GPT-4V 级别的性能，使其成为各种 AI 应用程序的强大工具。

1、MiniCPM-V模型简介

你知道吗？ MiniCPM-V 模型可以部署在移动设备上，无需云服务器即可提供高性能。这使它们成为隐私敏感和离线场景的理想选择。

MiniCPM-V的主要特点

  • 领先的性能：在多个基准测试中优于其他领先模型，如 GPT-4V-1106 和 Gemini Pro。
  • 强大的 OCR 功能：擅长读取图像中的文本、将表格转换为 markdown 等。
  • 值得信赖的行为：较低的幻觉率使其更加可靠。
  • 多语言支持：支持 30 多种语言，增强了其全球适用性。
  • 高效部署：针对移动和端侧设备进行了优化。

1.1 模型架构


MiniCPM-V 模型由三个主要组件组成：

  • 视觉编码器：处理图像并将其转换为视觉标记。
  • 压缩层：减少标记数量以实现高效处理。
  • 大型语言模型 (LLM)：根据视觉和文本输入生成文本。

1.2 训练过程

MiniCPM-V 的训练过程涉及三个阶段：

  • 预训练：使用大规模图像-文本对将视觉模块与 LLM 对齐。
  • 监督微调 (SFT)：使用高质量数据集增强模型的知识和交互能力。
  • 带有 AI 反馈的强化学习 (RLAIF-V)：减少幻觉并提高响应准确性。

1.3 端侧设备部署

在智能手机等设备上部署 MiniCPM-V 涉及多种优化技术：

  • 量化：通过压缩模型权重来减少内存使用量。
  • 内存优化：在处理过程中有效管理内存。
  • 编译优化：通过在目标设备上编译模型来提高性能。
  • 配置优化：动态调整设置以获得最佳性能。
  • NPU 加速：利用专用硬件加快处理速度。

这些优化使得在资源有限的设备上运行强大的 AI 模型成为可能，从而开辟了广泛的应用范围。

系好安全带，迎接更多挑战！

2、Gradio聊天应用

让我们从一些令人兴奋的事情开始 — 使用 Gradio 与 MiniCPM-V 聊天。Gradio 提供了一个易于使用的界面来创建基于 Web 的演示。设置方法如下：

import gradio as gr
from transformers import AutoModelForSeq2SeqLM, AutoTokenizer

# Load model and tokenizer
model_name = "OpenBMB/MiniCPM-Llama3-V-2.5"
model = AutoModelForSeq2SeqLM.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(model_name)

# Define the chat function
def chat(input_text):
    inputs = tokenizer.encode(input_text, return_tensors="pt")
    outputs = model.generate(inputs)
    return tokenizer.decode(outputs[0], skip_special_tokens=True)

# Create Gradio interface
iface = gr.Interface(fn=chat, inputs="text", outputs="text", title="Chat with MiniCPM-V")
iface.launch()

只需运行上述代码，然后瞧！你可以直接从浏览器与 MiniCPM-V 聊天。

3、 MiniCPM-V安装

在开始使用 MiniCPM-V 之前，我们需要安装它。

首先安装依赖项。确保你已安装 Python 和 pip。然后，安装所需的软件包：

pip install torch transformers gradio

然后克隆代码库。从 GitHub 获取最新版本的 MiniCPM-V：

git clone https://github.com/OpenBMB/MiniCPM-V.git
cd MiniCPM-V

接下来安装模型。导航到项目目录并安装模型：

pip install .

4、使用 MiniCPM-V 进行预测

安装 MiniCPM-V 后，你可以开始进行预测。这是一个基本的推理示例：

from transformers import AutoModelForSeq2SeqLM, AutoTokenizer

# Load the model and tokenizer
model_name = "OpenBMB/MiniCPM-Llama3-V-2.5"
model = AutoModelForSeq2SeqLM.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(model_name)

# Define your input text
input_text = "Translate English to French: Hello, how are you?"

# Encode and generate
inputs = tokenizer.encode(input_text, return_tensors="pt")
outputs = model.generate(inputs)

# Decode and print the result
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

运行此代码以查看 MiniCPM-V 的实际操作，将英语翻译成法语。很简洁，对吧？

5、探索可用模型

MiniCPM-V 配备了多种模型，可用于不同的任务。你可以按照以下方法探索模型：

from transformers import AutoTokenizer, AutoModel

model_names = ["OpenBMB/MiniCPM-V-1.0", "OpenBMB/MiniCPM-V-2.0", "OpenBMB/MiniCPM-Llama3-V-2.5"]

for model_name in model_names:
    model = AutoModel.from_pretrained(model_name)
    tokenizer = AutoTokenizer.from_pretrained(model_name)
    print(f"Loaded {model_name} successfully!")

6、多轮对话：像专业人士一样聊天

多轮对话使互动更加动态。以下是处理多轮对话的示例：

chat_history = []

def chat(input_text):
    global chat_history
    inputs = tokenizer.encode(input_text + tokenizer.eos_token, return_tensors="pt")
    outputs = model.generate(inputs, max_length=500, pad_token_id=tokenizer.eos_token_id)
    response = tokenizer.decode(outputs[:, inputs.shape[-1]:][0], skip_special_tokens=True)
    chat_history.append(response)
    return response

print(chat("Hello! How are you today?"))
print(chat("Can you tell me a joke?"))

7、使用多 GPU 推理加速

利用多个 GPU 来加速推理。方法如下：

from transformers import AutoModelForSeq2SeqLM, AutoTokenizer
import torch

model_name = "OpenBMB/MiniCPM-Llama3-V-2.5"
model = AutoModelForSeq2SeqLM.from_pretrained(model_name).half()
model = torch.nn.DataParallel(model)
tokenizer = AutoTokenizer.from_pretrained(model_name)

input_text = "What is the capital of France?"
inputs = tokenizer.encode(input_text, return_tensors="pt").to("cuda")
outputs = model.module.generate(inputs)

print(tokenizer.decode(outputs[0], skip_special_tokens=True))

8、在 Mac 上运行推理

Mac 用户，我们已为你准备好！以下是如何在 Mac 上运行推理：

import torch
from transformers import AutoModelForSeq2SeqLM, AutoTokenizer

model_name = "OpenBMB/MiniCPM-Llama3-V-2.5"
model = AutoModelForSeq2SeqLM.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(model_name)

input_text = "Explain the theory of relativity in simple terms."
inputs = tokenizer.encode(input_text, return_tensors="pt")

# Use MPS (Metal Performance Shaders) if available
device = torch.device("mps") if torch.backends.mps.is_available() else torch.device("cpu")
model.to(device)
inputs = inputs.to(device)

outputs = model.generate(inputs)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

9、在手机上部署

在手机上部署 MiniCPM-V 令人兴奋！以下是使用 llama.cpp 的基本设置：

git clone https://github.com/ggerganov/llama.cpp
cd llama.cpp
make
./main -m models/MiniCPM-Llama3-V-2.5.bin -p "Translate English to Spanish: Good morning!"

10、使用 vLLM 进行高级推理

vLLM 提供了一种高效处理推理的高级方法。以下是示例：

from vllm import LLM

llm = LLM(model="OpenBMB/MiniCPM-Llama3-V-2.5")
prompt = "Write a short story about a dragon and a knight."
outputs = llm.generate(prompt, top_p=0.9)

for output in outputs:
    print(output["text"])

11、MiniCPM-V微调

微调允许你将预训练模型调整为特定任务或数据集，从而提高其性能和与你的应用程序的相关性。使用 MiniCPM-V，你可以针对翻译、摘要、问答等任务微调模型。

在开始之前，请确保你已设置必要的环境。这包括安装 Python 以及必要的库，例如 PyTorch 和 Transformers。

安装所需的软件包：

pip install torch transformers datasets

让我们逐步了解微调 MiniCPM-V 的步骤。我们将使用文本分类任务作为示例。

首先加载预训练模型和分词器：

from transformers import AutoModelForSeq2SeqLM, AutoTokenizer

model_name = "OpenBMB/MiniCPM-Llama3-V-2.5"
model = AutoModelForSeq2SeqLM.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(model_name)

然后准备微调数据集。我们将使用 datasets库来加载和预处理我们的数据集：

from datasets import load_dataset

dataset = load_dataset("imdb")
train_dataset = dataset["train"].map(lambda e: tokenizer(e["text"], truncation=True, padding="max_length"), batched=True)
test_dataset = dataset["test"].map(lambda e: tokenizer(e["text"], truncation=True, padding="max_length"), batched=True)

接下来定义训练参数。仅指定必要的训练参数，例如批次大小、学习率和时期数：

from transformers import Seq2SeqTrainingArguments

training_args = Seq2SeqTrainingArguments(
    output_dir="./results",
    num_train_epochs=3,
    per_device_train_batch_size=8,
    per_device_eval_batch_size=8,
    warmup_steps=500,
    weight_decay=0.01,
    logging_dir="./logs",
)

创建训练器实例。我们使用 Trainer 类微调模型：

from transformers import Seq2SeqTrainer

trainer = Seq2SeqTrainer(
    model=model,
    args=training_args,
    train_dataset=train_dataset,
    eval_dataset=test_dataset,
)

开始微调过程：

trainer.train()

评估微调模型。微调后，必须评估模型以确保其符合期望：

results = trainer.evaluate()
print(results)

12、多 GPU 微调

为了加快训练速度，可以使用多个 GPU。设置方法如下：

from transformers import Seq2SeqTrainingArguments

training_args = Seq2SeqTrainingArguments(
    output_dir="./results",
    num_train_epochs=3,
    per_device_train_batch_size=8,
    per_device_eval_batch_size=8,
    warmup_steps=500,
    weight_decay=0.01,
    logging_dir="./logs",
    fp16=True,
    dataloader_num_workers=4,
    gradient_accumulation_steps=16,
    evaluation_strategy="steps",
    save_steps=500,
    eval_steps=500,
)

trainer = Seq2SeqTrainer(
    model=model,
    args=training_args,
    train_dataset=train_dataset,
    eval_dataset=test_dataset,
    data_collator=None,
)

原文链接：Unleashing MiniCPM-V: The Future of MLLMs on Your Phone!

汇智网翻译整理，转载请标明出处

Tags

admin

Recommended for you