【多模态大模型部署】【提示词反推】采样Flask框架部署Qwen/Qwen2-VL-2B-Instruct,并采用OpenAI形式调用生成图片描述,可用于图片理解等解决方案

示例1:

    反推提示词,并生成图片。
    实际图和生成图片
在这里插入图片描述

操作方式:

    1.采用部署的Qwen/Qwen2-VL-2B-Instruct进行生成图片描述
在这里插入图片描述

    2.在chat.qwen.ai进行绘图
在这里插入图片描述

示例2

拍照解题,输入题目图片进行进行解题

在这里插入图片描述

服务端:service.py

import time
import sys
import os
import re
import json
import torch
from PIL import Image
import base64
from io import BytesIO
from flask import Flask, request, jsonify
from transformers import (
    AutoTokenizer,
    AutoModelForCausalLM,
    AutoProcessor,
    AutoModelForVision2Seq
)
import threading

# 创建Flask应用
app = Flask(__name__)

# 全局变量存储模型实例
vision_model = None
vision_processor = None
device = None

# 初始化锁,防止多线程同时使用模型
model_lock = threading.Lock()


def log(msg, *args, **kwargs):
    timestamp = time.strftime("[%Y-%m-%d %H:%M:%S]", time.localtime())
    print(f"{
     
     timestamp} {
     
     msg}", flush=True, *args, **kwargs)


def resize_if_needed(image, max_size=1024):
    """如果图像大于指定尺寸,则按比例缩小"""
    width, height = image.size
    if width > max_size or height > max_size:
        # 计算新的尺寸,保持宽高比
        ratio = min(max_size / width, max_size / height)
        new_width = int(width * ratio)
        new_height = int(height * ratio)
        resized_img = image.resize((new_width, new_height), Image.LANCZOS)
        return resized_img
    return image


def initialize_models():
    """初始化模型"""
    global vision_model, vision_processor, device

    log("Initializing models...")

    # 设置设备
    device = "cuda" if torch.cuda.is_available() else "cpu"
    log(f"Using device: {
     
     device}")

    # 初始化视觉模型
    try:
        vision_model_name = "Qwen/Qwen2-VL-2B-Instruct"  # 使用更大的模型以获得更好的通用理解能力
        vision_processor = AutoProcessor.from_pretrained(vision_model_name)
        vision_model = model = AutoModelForVision2Seq.from_pretrained(vision_model_name, torch_dtype=torch.float16)
        # 将模型移动到GPU(如果可用)
        model.to(device)
        log("Vision model loaded successfully")
    except Exception as e:
        log(f"Error loading vision model: {
     
     e}")
        vision_model = None

    log("Model initialization completed")


def process_image_and_text(image, text_prompt, max_new_tokens=1024, temperature
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值