科技类网站怎么做,传奇游戏在线玩,家装网站,门户网站建设方案大型语言模型 (LLM) 最近获得了很大的关注#xff0c;出现了许多流行的模型#xff0c;如 GPT、OPT、BLOOM 等。 这些模型擅长学习自然语言#xff0c;非常适合构建聊天机器人、编码助手、决策助手或翻译系统。 然而#xff0c;他们缺乏其他模式的知识—例如#xff0c;他…大型语言模型 (LLM) 最近获得了很大的关注出现了许多流行的模型如 GPT、OPT、BLOOM 等。 这些模型擅长学习自然语言非常适合构建聊天机器人、编码助手、决策助手或翻译系统。 然而他们缺乏其他模式的知识—例如他们无法处理图像、音频或视频。 这就是 BLIP 的用武之地通过视觉理解来增强LLM的自然语言能力。 推荐用 NSDT编辑器 快速搭建可编程3D场景 本质上你可以向 BLIP 模型提供图像和文本对来执行各种任务例如视觉问答 (VQA)、图像字幕或图像文本检索。
然而用 BLIP 构建产品可能并不简单你需要正确的模型服务框架和数据序列化库。 在 Jina AI我们始终相信多模态 AI因此我们为此目的优化了 Jina 和 DocArray。 为 BLIP-2 提供服务是这两个项目的典型用例。
让我们看看它是如何工作的
1、BLIP-2
BLIP-2是论文BLIP-2Bootstrapping Language-Image Pre-training with Frozen Image Encoders and Large Language Models中提出的视觉语言模型。
它利用冻结的预训练图像编码器和 LLM通过在它们之间训练轻量级 12 层 Transformer 编码器在各种视觉语言任务上实现最先进的性能。
2、Jina 和 DocArray
在深入研究代码之前我们先简要介绍一下 Jina 和 DocArray并解释一下这两个项目最近发生的情况。
Jina 是一个 MLOps 框架用于构建和提供多模式 AI 服务然后在云上扩展和部署它们。 但最近我们一直在重塑 Jina以更有效地为模型提供服务。 在 3.14 版本中我们允许用户使用 gRPC 协议将 Executor 作为独立服务提供服务。 在这篇文章中我们将使用这些新发布的功能来服务于 BLIP-2 模型。
对于数据表示和序列化Jina 使用 DocArray这是一个用于非结构化、多模态数据的库。 它针对传输中的数据进行了优化因为数据可以以多种格式包括 protobuf进行序列化。 换句话说可以使用 DocArray 格式通过线路接收/发送模型输入和输出。
我们还重塑了 DocArray以更好地适应多模式 AI 用例。 事实上它正在经历大量重构目标是通过 DocArray v2 提供灵活且强大的数据格式。
因此我们将使用当前的 DocArray 和 DocArray v2 的 alpha 版本来表示模型查询和输出这样做时你将很快理解我们为什么重构 DocArray。
3、使用 DocArray 和 Jina 为 BLIP-2 提供服务
由于 BLIP-2 使用 LLM因此它配备了不同的开源语言模型即 flan-t5 和 opt。 在本博客中我们将使用 flan-t5-xl。 让我们从安装依赖项开始
pip install jina torch githttps://github.com/huggingface/transformers pillow然后我们可以初始化一个加载模型的 Jina Executor
from jina import Executor, Deployment, DocumentArray, requests
from transformers import Blip2Processor, Blip2ForConditionalGeneration
import torchclass Blip2Executor(Executor):def __init__(self, **kwargs):super().__init__(**kwargs)self.processor Blip2Processor.from_pretrained(Salesforce/blip2-flan-t5-xl)self.model Blip2ForConditionalGeneration.from_pretrained(Salesforce/blip2-flan-t5-xl, torch_dtypetorch.float16)self.model.to(cuda)使用 BLIP-2 执行视觉问答任务非常简单只需将图像和文本问题输入并生成文本输出即可。
让我们创建一个 Executor Endpoint 方法来启用 VQA 任务
requests
def vqa(self, docs: DocumentArray, **kwargs):for doc in docs:doc.load_uri_to_image_tensor()inputs self.processor(imagesdoc.tensor, textdoc.tags[prompt], return_tensorspt).to(cuda, torch.float16)generated_ids self.model.generate(**inputs)generated_text self.processor.batch_decode(generated_ids, skip_special_tokensTrue)[0].strip()doc.tags[response] generated_textDocArray文档可以在张量字段中存储图像我们可以将提示和文本输出放在标签字段中。
最后我们可以使用新发布的 Deployment 类为我们的 Executor 提供服务
with Deployment(usesBlip2Executor, timeout_ready-1, port12345) as dep:dep.block()Loading checkpoint shards: 100%|██████████████████████████████████| 2/2 [00:0500:00, 2.92s/it]
─────────────────────────────── Deployment is ready to serve! ───────────────────────────────
╭────────────────────── Endpoint ──────────────────────╮
│ ⛓ Protocol GRPC │
│ Local 0.0.0.0:12345 │
│ Private 192.168.178.31:12345 │
│ Public 2003:f1f:4a00:85b7:3950:81fa:952f:12345 │
╰─────────────────────────────────────────────────────────╯现在我们的执行者应该准备好服务了。 只需使用 Jina Client 通过 gRPC 向 Executor 发送请求即可 from jina import Client, Document
client Client(port12345)docs client.post(on/, inputs[Document(urihttp://images.cocodataset.org/val2017/000000039769.jpg,tags{prompt: Question: How many cats are there? Answer:})]
)
print(docs[0].tags[response])two正如我们所看到的BLIP-2 正确地回答了这个问题。 但这个答案的包装有点……笨拙。 虽然 DocArray 提供了标签和块等动态字段的灵活性但这也带来了一些缺点没有显式模式、奇怪的语法以及用于输入和输出的相同模式。
这就是我们在 DocArray v2 中重构内容的原因
4、DocArray v2 更好的语法
DocArray v2 背后的主要思想是用户可以使用类型提示定义输入和输出模式。 这意味着你在这些模式中定义所需的字段而不是尝试将数据放入固定模式文档中。
这是 DocArray v1 表示数据的方式。 表示多模式数据意味着向文档添加更多块子文档。
现在在 DocArray v2 中模式不再将所有内容都转储到标签和块字段中而是更加灵活和具有代表性。 你可以根据需要添加任意数量的字段并确保严格输入数据验证
这提供了两全其美的优点。 它使用户可以灵活地定义自己的模式同时提供显式类型以实现更好的数据验证和转换。
Jina 提供了对 DocArray v2 的早期支持并允许你在执行器端点中使用模式作为类型注释来定义服务的输入/输出格式。
让我们看看它是如何工作的。 首先从 v2 开发分支安装 DocArray
pip install githttps://github.com/docarray/docarrayfeat-rewrite-v2#eggdocarray[common,torch,image]然后我们将通过指定输入和输出模式来重写执行器
输入模式包括图像和文本提示字段。输出架构仅包含一个文本字段生成的响应。
from jina import Executor, requests
from transformers import Blip2Processor, Blip2ForConditionalGeneration
import torchfrom docarray import BaseDocument, DocumentArray
from docarray.typing import ImageUrlclass ImagePrompt(BaseDocument):img: ImageUrlprompt: strclass Response(BaseDocument):answer: strclass Blip2Executor(Executor):def __init__(self, **kwargs):super().__init__(**kwargs)self.processor Blip2Processor.from_pretrained(Salesforce/blip2-flan-t5-xl)self.model Blip2ForConditionalGeneration.from_pretrained(Salesforce/blip2-flan-t5-xl, torch_dtypetorch.float16)self.model.to(cuda)requestsdef vqa(self, docs: DocumentArray[ImagePrompt], **kwargs) - DocumentArray[Response]:response_docs DocumentArray[Response]()for doc in docs:inputs self.processor(imagesdoc.img.load(), textdoc.prompt, return_tensorspt).to(cuda, torch.float16)generated_ids self.model.generate(**inputs)generated_text self.processor.batch_decode(generated_ids, skip_special_tokensTrue)[0].strip()response_docs.append(Response(answergenerated_text))return response_docs现在让我们为 Executor 提供服务并向其提交请求
from jina import Deploymentwith Deployment(usesBlip2Executor) as dep:docs dep.post(on/bar, inputsImagePrompt(imghttp://images.cocodataset.org/val2017/000000039769.jpg,promptQuestion: how many cats are there ? Answer:), return_typeDocumentArray[Response])print(docs[0].answer)two5、结束语
Jina 可让你构建基于 gRPC 的多模式 AI 服务。 它允许你以 Python 方式定义端点和请求/响应模式从而消除了构建 gRPC 服务的复杂性。
DocArray 可让你高效地表示和序列化多模式数据。 为此它提供了预定义的多模式数据类型和内置的 protobuf 序列化。
因此Jina 和 DocArray 凭借高效的网络和序列化、Pythonic API 和富有表现力的数据类型等支柱为构建多模态AI 服务提供了顶级的技术栈。 原文链接基于BLIP-2的视觉问答 — BimAnt
