MiniGPT-4(大型语言模型增强视觉语言理解)介绍、体验、部署教程_在线使用的gpt4模型参数

NO.1简介

MiniGPT-4使用先进的大型语言模型增强视觉语言理解，将语言能力与图像能力结合。

其利用视觉编码器BLIP-2和大语言模型Vicuna进行结合训练，共同提供了新兴视觉语言能力。

MiniGPT-4github:

https://github.com/Vision-CAIR/MiniGPT-4

工作原理翻译：

• MiniGPT-4使用一个投影层来将来自BLIP-2的冻结视觉编码器与冻结的LLMVicuna对齐。
• 我们通过两个阶段来训练MiniGPT-4。第一个传统的预训练阶段在使用4个A100大约10小时内，使用大约500万个图像-文本对进行训练。第一阶段过后，Vicuna能够理解图像。但是其生成能力受到了严重的影响。
• 为了解决这个问题和提高可用性，我们提出了一种通过模型和ChatGPT自身创建高质量图像-文本对的新方法。基于此，我们创建了一个小型（总共3500对）但是高质量的数据集。
• 第二个微调阶段在对话模板上使用该数据集进行训练，以显著提高其生成可靠性和整体可用性。令人惊讶的是，这个阶段具有计算效率，并且只需要使用单个A100大约7分钟的时间。
• MiniGPT-4能够产生许多类似于GPT-4中展示的新兴视觉语言能力

NO.2DOMO使用

MiniGPT-4是国人开发的会中文的，只不过说法有点冷酷，不像ChatGPT那样符合人性化。

这个demo比较笨，需要先上传图片，才能进行对话，不易用，估计需要利用api来进行二次开发。

无法提取图片中的文字

没法识别文字应该

大体的图片内容是能理解，但是语言组织方面较欠缺

NO.3部署要求

安装步骤

MiniGPT4根据不同的模型选择需要不同的配置

目前解到:

Vicuna7B:

-VRAM>12GB

-RAM>16GB

-Disk>2500GB

Vicuna13B:

-VRAM>24GB

-RAM>16GB

-Disk>2500GB

在部署时转换权重时，预计需要80G的内存

在训练数据时，会下载2.3T的图片数据作为训练。

本次部署采用13B的语言模型进行部署

注:以下文件都放在/data下面，部分文件特别大，注意不要放到系统盘上

1.安装conda

wget-chttps://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.shbashMiniconda3-latest-Linux-x86_64.sh

#之后一直回车看license到最后让你同意license，

输入yes#输入安装位置/data/conda#添加官方镜像地址

condaconfig--addchannelsbiocondacondaconfig--addchannelsconda-forge

2.准备代码和安装环境

gitclone https://github.com/Vision-CAIR/MiniGPT-4.gitcdMiniGPT-4condaenvcreate-fenvironment.ymlcondaactivateminigpt4

#若后续操作中退出了bash界面

需要下次登录时再次执行来设置环境condaactivateminigpt4

3.获取原始权重

这步是最费劲的，权重非常大，下载很慢，而且第一次我还下错了，原始权重下了我两个晚上，头都大了。

第一次我去https://github.com/facebookresearch/llama/issues/149上查看到了一个原始权重，结果下载了一天，下来的文件不正确md5都对不上，跑权重转换的时候报文件错误，所以不要用这个下载(提示给自己找权重的朋友)

7B:ipfs://QmbvdJ7KgvZiyaqHw5QtQxRtUd7pCAdkWWbzuvyKusLGTw 13B:ipfs://QmPCfCEERStStjg4kfj3cmCUu1TP7pVQbxdFMwnhpuJtxk

第二次重新采用了迅雷种子的下载，这次下载下来md5和checklist里是对的。

种子地址：

https://github.com/RiseInRose/MiniGPT-4-ZH/blob/main/CDEE3052D85C697B84F4C1192F43A2276C0DAEA0.torrent

从迅雷里面下载13B的模型即可，文件夹结构如下，注意下面的文件都需要下载，最终文件夹大小25G

4.下载增量权重

下载前需先安装git-lfs,去官网下载就行https://git-lfs.com

下载安装完后执行

gitlfsinstall mkdir/data/vicuna cd/data/vicuna #建议后台运行，里面文件太大了刚开始我下了一整天一共差不多49个G，挂在bash上，如果断网了就很难受了 nohupgitclonehttps://huggingface.co/lmsys/vicuna-13b-delta-v1.1&

5.安装fastchat

gitclonehttps://github.com/lm-sys/FastChat cdFastChat gitcheckoutv0.2.3 #安装 pipinstalle. pipinstalltransformers[sentencepiece]

6.转换原始权重

下载下来的原始权重需要转换一下(注意：gitclone下来的增量权重不需要转换，只要转换原始的就行)

#存放转换后的权重 mkdir-p/data/after_conv_weights/origin mkdir/data/transformers cd/data/transformers gitclonehttps://github.com/huggingface/transformers cdtransformers #转换权重注意文件夹目录写对，input_dir只要指定到tokenizer.model平级就行 pythonsrc/transformers/models/llama/convert_llama_weights_to_hf.py--input_dir/data/LLaMa--model_size13B--output_dir/data/after_conv_weights/origin 出现： RuntimeError:Failedtoimporttransformers.models.llama.tokenization_llama_fastbecauseofthefollowing error(lookuptoseeitstraceback): tokenizers>=0.13.3isrequiredforanormalfunctioningofthismodule,butfoundtokenizers==0.13.2.

运行

pipinstall-Utokenizers

再重新执行上述脚本

完成之后直接python运行下面代码加载模型与分词器

python fromtransformersimportLlamaForCausalLM,LlamaTokenizer tokenizer=LlamaTokenizer.from_pretrained("/data/after_conv_weights/origin") model=LlamaForCausalLM.from_pretrained("/data/after_conv_weights/origin")

7.转换最终的工作权重

此处预计要80G左右的内存

mkdir-p/data/after_conv_weights/final python-mfastchat.model.apply_delta--base/data/after_conv_weights/origin/--target/data/after_conv_weights/final/--delta/data/vicuna/vicuna-13b-delta-v1.1/

最终转换出来的权重文件夹

转换之后，修改配置文件

/data/MiniGPT-4/minigpt4/configs/models/minigpt4.yaml llama_model:"/data/after_conv_weights/final/"

8.下载预训练的模型检查点

https://drive.google.com/file/d/1a4zLvaiDBr-36pasffmgpvH5P7CKmpze/view

下载之后是一个pretrained_minigpt4.pth文件

放入/data/checkpoint文件夹

在/data/MiniGPT-4/eval_configs/minigpt4_eval.yaml文件中，修改ckpt指定到/data/checkpoint/pretrained_minigpt4.pth中

到这里，基础的准备工作做完了。

9.尝试启动

cd/data/MiniGPT-4pythondemo.py--cfg-patheval_configs/minigpt4_eval.yaml--gpu-id0

运行之后一般会失败

会出现如下错误

问题1:

Import Error:libX11.so.6:cannotopensharedobjectfile:Nosuchfileordirectory

解决办法:

yum installlibX11

问题2:

ImportError:libXext.so.6:cannotopensharedobjectfile:Nosuchfileordirectory

解决办法:

yum installlibXext

问题3:

RuntimeError:TheNVIDIAdriveronyoursystemistooold(foundversion10020).PleaseupdateyourGPUdriverbydownloadingandinstallinganewversionfromtheURL:http://www.nvidia.com/Download/index.aspxAlternatively,goto:https://pytorch.orgtoinstallaPyTorchversionthathasbeencompiledwithyourversionoftheCUDAdriver.

NVIDIA版本太老了，需要更新NVIDIA版本

10.更新NVIDIA版本

nvidia-smi查看当前版本，如果没找到则没有nvidia驱动

目前测试在NVIDIA-SMI515.105.01、CUDAVersion:11.7之上可以运行

在https://www.nvidia.cn/Download/index.aspx?lang=cn上下载对应机型的NVIDIA驱动，根据显卡不同，驱动也不同。

这里我是V100S的驱动

下载后先不着急安装

先安装gcc和dkms

yum-yinstallgccdkms

查看内核版本

uname-r yumlist|grepkernel-devel yumlist|grepkernel-header 这三个版本需要对应上，连一个小版本号都不要差。 我的版本号是 (minigpt4)[root@10-13-50-112cc_sbu]#uname-r 3.10.0-1062.9.1.el7.x86_64 最开始另外两个对应不上，需要更新 从https://buildlogs.centos.org/c7.1908.u.x86_64/kernel/20191206154625/3.10.0-1062.9.1.el7.x86_64/ 下载下面两个rpm包，进行更新 kernel-devel-3.10.0-1062.9.1.el7.x86_64.rpm kernel-headers-3.10.0-1062.9.1.el7.x86_64.rpm

卸载过去已经安装的NVIDIA(如果没安装则忽略)

cd/usr/bin/ ./nvidia-uninstall

安装NVIDIA驱动

cd/data/navida/ chmoda+xNVIDIA-Linux-x86_64-515.105.01.run ./NVIDIA-Linux-x86_64-515.105.01.run 之后按引导点yes就行了(操作就是左右方向键、回车) 如果报xxx/build和xxx/source没找到，则就是内核工具不对，需要重新安装内核

安装完之后，通过nvidia-smi命令查看版本

11.启动demo

还是上面的命令

cd/data/MiniGPT-4 pythondemo.py--cfg-patheval_configs/minigpt4_eval.yaml--gpu-id0

执行之后，又报一个错误

NameError:name'cuda_setup'isnotdefined

编辑

vim/data/conda/envs/minigpt4/lib/python3.9/site-packages/bitsandbytes/cuda_setup/main.py

在149行左右

添加

cuda_setup=CUDASetup.get_instance()

修改之后，再次执行，demo就启动了，启动之后会给出一个地址，可以通过这个地址来访问

https://3c70e646a6198e3ec7.gradio.live

12.两阶段训练

minigpt4在搭建完后还需要两阶段训练。

第一阶段训练直接提供了checkpoint，不需要在自己服务上进行训练

第二阶段训练需要自己进行训练

第一阶段预训练checkpoint：

https://drive.google.com/file/d/1u9FRRBB3VovP1HxCAlpD9Lw4t4P6-Yq8/view?usp=share_link

下载之后放在/data/checkpoint/目录下面

第二阶段微调：

下载数据

https://drive.google.com/file/d/1nJXhoEcy3KTExr17I7BXqY5Y9Lx_-n-9/view?usp=share_link，

放在/data/stage_2下面

并更改/data/MiniGPT-4/minigpt4/configs/datasets/cc_sbu/align.yaml 将storage指向/data/stage_2/cc_sbu_align

进入/data/MiniGPT-4/train_configs目录下，

编辑minigpt4_stage2_finetune.yaml，将model.ckpt指向第一阶段预训练的checkout

即/data/checkpoint/pretrained_minigpt4_stage1.pth run.output_dir 设置成/data/checkpoint/

同时修改run下面的三个参数(如果用A100的话就保持原样，由于是V100GPU显存不足，需要将训练改小):

batch_size_train:1 batch_size_eval:2 num_workers:2

之后回到/data/MiniGPT-4目录下执行

torchrun--nproc-per-node1train.py--cfg-pathtrain_configs/minigpt4_stage2_finetune.yaml

训练完后，会生成/data/checkpoint/20230517153目录，里面有checkpoint_1.pth-checkpoint_4.pth四个文件

最后将

/data/MiniGPT-4/eval_configs中的ckpt 指向 /data/checkpoint/20230517153/checkpoint_4.pth

再重新运行

cd/data/MiniGPT-4 condaactivateminigpt4 pythondemo.py--cfg-patheval_configs/minigpt4_eval.yaml--gpu-id0