Closed2
Qwen2-VLを試す
2B/7B/72Bの3種類がある。
それぞれ、AWQ/GPTQ-Int4/GPTQ-Int8の量子化も用意されている。
基本的にnpaka先生の後追い写経なのだけど、VRAMどれぐらい使用するのかを知りたいので、2B/7BをColaboratoryで試してみる。(72Bは最初から諦め)
Colab L4(VRAM22GB)でQwen2-VLのサンプルコードにある画像(JPG、500KB、2048x1365 px)で、試してみた
!pip install git+https://github.com/huggingface/transformers
!pip install qwen-vl-utils
from transformers import Qwen2VLForConditionalGeneration, AutoTokenizer, AutoProcessor
from qwen_vl_utils import process_vision_info
model = Qwen2VLForConditionalGeneration.from_pretrained(
#"Qwen/Qwen2-VL-2B-Instruct",
"Qwen/Qwen2-VL-7B-Instruct",
torch_dtype="auto",
device_map="auto"
)
min_pixels = 512*28*28
max_pixels = 1024*28*28
processor = AutoProcessor.from_pretrained(
#"Qwen/Qwen2-VL-2B-Instruct",
"Qwen/Qwen2-VL-7B-Instruct",
min_pixels=min_pixels,
max_pixels=max_pixels
)
import requests
messages = [
{
"role": "user",
"content": [
{
"type": "image",
"image": "https://qianwen-res.oss-cn-beijing.aliyuncs.com/Qwen-VL/assets/demo.jpeg",
},
{"type": "text", "text": "画像について詳しく説明してください。"},
],
}
]
text = processor.apply_chat_template(
messages,
tokenize=False,
add_generation_prompt=True
)
image_inputs, video_inputs = process_vision_info(messages)
inputs = processor(
text=[text],
images=image_inputs,
videos=video_inputs,
padding=True,
return_tensors="pt"
)
inputs = inputs.to("cuda")
generated_ids = model.generate(**inputs, max_new_tokens=1024)
generated_ids_trimmed = [
out_ids[len(in_ids) :] for in_ids, out_ids in zip(inputs.input_ids, generated_ids)
]
output_text = processor.batch_decode(
generated_ids_trimmed, skip_special_tokens=True, clean_up_tokenization_spaces=False
)
print(output_text)
- 7B
- モデルロード時点で16GB
- 画像読み込んで推論させるとCUDA out of memory。1GBほど足りない。
- 24GBならなんとか収まりそうな感じ。
- 2B
- モデルロード時点で5GB
- 画像読み込んで推論させると18GB
- レスポンスの質は悪くなさそう
画像サイズを制限したら、推論時結構下がった。
min_pixels = 512*28*28
max_pixels = 1024*28*28
processor = AutoProcessor.from_pretrained(
"Qwen/Qwen2-VL-2B-Instruct",
min_pixels=min_pixels,
max_pixels=max_pixels
)
- 7B: 18.3GB
- 2B: 7.1GB
VRAMと相談しつつ、画像サイズを定義する必要がありそう。
このスクラップは24日前にクローズされました