2025-08-25 14:54:08 +08:00
|
|
|
|
# 天数智芯 智铠100 视觉理解多模态
|
|
|
|
|
|
该模型测试框架在智铠100加速卡上，基于Transfomer框架，适配了 MiniCPM-Llama3-V-2_5 、MiniCPM_V_2_6 这2个模型。
|
|
|
|
|
|
|
|
|
|
|
|
* MiniCPM‑Llama3‑V 2.5 是 openbmb 的 8 B multimodal 模型，基于 SigLip‑400M 与 Llama3-8B-Instruct 构建，在 OCR 能力、多语言支持、部署效率等方面表现优秀，整体性能达到 GPT‑4V 级别
|
|
|
|
|
|
* MiniCPM‑V 2.6 是 MiniCPM‑V 系列中最新且最强大的 8 B 参数模型，具备更优的单图、多图与视频理解能力、卓越 OCR 效果、低 hallucination 率，并支持端侧设备（如 iPad）实时视频理解
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
## 模型测试服务原理
|
|
|
|
|
|
尽管对于视觉多模态理解没有一个业界统一的API协议标准，但我们也可以基于目前比较流行的Transfomer框架**适配**各类视觉理解多模态模型。
|
|
|
|
|
|
为了让我们的测试框架更通用一些，我们基于Transfomer框架对于不同类型的模型系列adpat了一层，方便对外提供http服务。
|
|
|
|
|
|
|
|
|
|
|
|
目前，测试框架要求用户首先测试时指定需要测试的模型的地址mount到本地文件系统中，如`/model`，之后通过unvicorn拉起服务。
|
2025-09-15 18:46:55 +08:00
|
|
|
|
其中，基础镜像 corex:4.3.0 通过联系天数智芯智铠100厂商技术支持可获取
|
2025-08-25 14:54:08 +08:00
|
|
|
|
|
|
|
|
|
|
测试过程中，外围测试环境，会首先调用“加载模型接口”:
|
|
|
|
|
|
|
|
|
|
|
|
```bash
|
|
|
|
|
|
curl -X POST http://localhost:10086/load_model \
|
|
|
|
|
|
-H "Content-Type: application/json" \
|
|
|
|
|
|
-d '{"model_path":"/model","dtype":"auto"}'
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
## 模型测试服务请求示例
|
|
|
|
|
|
准备好用于测试的图片和问题，通过infer接口获取推理结果：
|
|
|
|
|
|
|
|
|
|
|
|
```bash
|
|
|
|
|
|
base64 -w 0 demo.jpeg | \
|
|
|
|
|
|
jq -Rs --arg mp "/model" --arg prompt "Describe the picture" \
|
|
|
|
|
|
'{model_path: $mp, prompt: $prompt, images: ["data:image/jpeg;base64," + .], generation: {max_new_tokens: 50, temperature: 0.7}}' | \
|
|
|
|
|
|
curl -X POST "http://localhost:10086/infer" \
|
|
|
|
|
|
-H "Content-Type: application/json" \
|
|
|
|
|
|
-d @-
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
以上，图片为`demo.jpeg`，问题为`Describe the picture`，可根据需要相应替换。
|
|
|
|
|
|
## 如何使用视觉理解多模态测试框架
|
|
|
|
|
|
由于VLM相关的模型一般需要较大的存储空间，为了更好的测试效率，需要提前下载好模型相关文件，k8s集群可以mount的持久化介质（比如cephFS），之后提交测试时指定模型存放的地址。
|
|
|
|
|
|
|
|
|
|
|
|
`docker-images/server.py`代码实现了一个接收图片和问题并返回回答文本和统计延迟信息的VLM HTTP 服务。测试框架集成了现成的可用的镜像`harbor.4pd.io/hardcore-tech/mr100-3.2.1-x86-ubuntu20.04-py3.10-poc-vlm-infer:0.0.1`（`server.py`作为入口），可以用于本地端（如有GPU卡）测试。
|
|
|
|
|
|
|
|
|
|
|
|
作为测试对比，我们也提供a100相对应的镜像 `harbor.4pd.io/hardcore-tech/a100-3.2.1-x86-ubuntu20.04-py3.10-poc-vlm-infer:0.0.1`
|
|
|
|
|
|
## 智铠100上视觉理解多模态模型运行测试结果
|
|
|
|
|
|
在智铠100上对部分视觉理解多模态模型进行适配，测试方式为在 Nvidia A100 和 智铠100 加速卡上对10个图片相关问题回答，获取运行时间
|
|
|
|
|
|
|
|
|
|
|
|
| 模型名称 | 模型类型 | 适配状态 | 智铠100运行时间/s | Nvidia A100运行时间/s |
|
|
|
|
|
|
| ---------- | ---------------------- | -------- | ----------------- | --------------------- |
|
|
|
|
|
|
| MiniCPM‑Llama3‑V 2.5 | openbmb 8 B multimodal | 成功 | 12.8615 | 6.2604 |
|
|
|
|
|
|
| MiniCPM‑V 2.6 | MiniCPM‑V 系列 | 成功 | 8.8503 | 4.2654 |
|
