Skip to content

Latest commit

 

History

History
206 lines (125 loc) · 7.11 KB

README_zh-CN.md

File metadata and controls

206 lines (125 loc) · 7.11 KB
Raw

TinyGPT-V

TinyGPT-V: Efficient Multimodal Large Language Model via Small Backbones

Zhengqing Yuan❁, Zhaoxu Li❁, Lichao Sun❋

❁Visiting Students at LAIR Lab, Lehigh University ❋Lehigh University

English | 简体中文

最新消息

[Jan.03 2024] 我们创建了huggingface demo，试用我们的模型(第三阶段)!

[Dec.28 2023] 我们公开了TinyGPT-V的代码.

TinyGPT-V 训练过程

Traning_Process

TinyGPT-V 模型结构

Model

TinyGPT-V 结果

Results

准备开始

下载

1. 准备代码和环境

Git克隆我们的存储库，创建一个python环境，并通过以下命令激活它:

git clone https://github.com/DLYuanGod/TinyGPT-V.git
cd TinyGPT-V
conda env create -f environment.yml
conda activate tinygptv

2. 准备预训练的LLM权重

TinyGPT-V 基于Phi-2. 从下面的huggingface空间下载相应的LLM权重通过git-lfs克隆存储库:

Phi-2 2.7B: Download

然后，将模型配置文件中的变量phi_model设置为LLM权重路径。

  • 设置LLM路径 here 在第14行, here 第18行 here 第16行.

3. 准备预训练的模型权重

下载预训练的模型权重*

阶段1后 阶段2后 阶段3后 阶段4后
Download Download Download Download

在评估配置文件中给TinyGPT-V设置预训练权重的路径

阶段1，2，3：tinygptv_stage1_2_3_eval.yaml ，或者阶段4：tinygptv_stage4_eval.yaml 的第8行.

4. 更新transformers库的Phi-2模型.

Linux系统:

cp modeling_phi.py /root/miniconda3/envs/tinygptv/lib/python3.9/site-packages/transformers/models/phi/

Windows系统

找到你自己的: conda_sit/envs/tinygptv/lib/python3.9/site-packages/transformers/models/phi/ 然后用TinyGPT-V/modeling_phi.py 替换 modeling_phi.py .

在本地创建demo

对于阶段4, 运行

python demo_v2.py --cfg-path eval_configs/tinygptv_stage4_eval.yaml  --gpu-id 0

对于阶段1，2，3, 运行

python demo.py --cfg-path eval_configs/tinygptv_stage1_2_3_eval.yaml  --gpu-id 0

为了使用更强大的模型，LLM默认加载为16位。此配置大约需要8G GPU内存。为了更节省GPU内存，你可以通过在相关配置文件中设置“low_resource”为“True”来以8位在8G以下的设备运行:

-注:第4阶段目前是测试版本，因为它使用部分数据进行训练。请使用第3阶段进行演示。

训练

首先，您需要调整LLM中所有更新的权重，以便以全精度计算：Here. 删除以下行中的注释:

                layer.self_attn.q_layernorm.weight.data = layer.self_attn.q_layernorm.weight.data.float()
                layer.self_attn.k_layernorm.weight.data = layer.self_attn.k_layernorm.weight.data.float()
                layer.post_layernorm.weight.data = layer.post_layernorm.weight.data.float()
                layer.input_layernorm.weight.data = layer.input_layernorm.weight.data.float()

                # Perform a similar operation for the bias item
                if layer.self_attn.q_layernorm.bias is not None:
                    layer.self_attn.q_layernorm.bias.data = layer.self_attn.q_layernorm.bias.data.float()
                if layer.self_attn.k_layernorm.bias is not None:
                    layer.self_attn.k_layernorm.bias.data = layer.self_attn.k_layernorm.bias.data.float()
                if layer.input_layernorm.bias is not None:
                    layer.input_layernorm.bias.data = layer.input_layernorm.bias.data.float()


            llama_model.model.model.final_layernorm.weight.requires_grad = True
            llama_model.model.model.final_layernorm.weight.data = llama_model.model.model.final_layernorm.weight.data.float()
            if llama_model.model.model.final_layernorm.bias is not None:
                llama_model.model.model.final_layernorm.bias.data = llama_model.model.model.final_layernorm.bias.float()

阶段1，2:

torchrun --nproc-per-node NUM_GPU train.py --cfg-path train_configs/tinygptv_stage1.yaml

您需要执行上述代码17次才能完成第一阶段的培训。

  • 然后运行:
torchrun --nproc-per-node NUM_GPU train.py --cfg-path train_configs/tinygptv_stage2.yaml

阶段3:

torchrun --nproc-per-node NUM_GPU train.py --cfg-path train_configs/tinygptv_stage3.yaml

阶段4:

torchrun --nproc-per-node NUM_GPU train.py --cfg-path train_configs/tinygptv_stage4.yaml

评估

查看TinyGPT-V的评估详细信息 here

加🌟历史

Star History Chart

致谢

  • MiniGPT 一个非常通用的MLLMs.

如果您在您的研究或应用中使用TinyGPT-V，请使用本BibTeX引用：

@misc{yuan2023tinygptv,
      title={TinyGPT-V: Efficient Multimodal Large Language Model via Small Backbones}, 
      author={Zhengqing Yuan and Zhaoxu Li and Lichao Sun},
      year={2023},
      eprint={2312.16862},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

许可证

该项目开源自 BSD 3-Clause License. 我们的代码基于 Lavis 与 BSD 3-Clause 许可证 here.