InternVL — הדגמה

מה זה

אתם מעלים תמונה ומקלידים שאלה בתיבת טקסט רב מודלית, והמערכת מחזירה תשובות בצורת צ'אט. מאחורי הקלעים הקוד מתממשק עם משפחת המודלים InternVL, כאשר ברישום הפרויקט מצוינים גם דגמי שפה ודיפוזיה נוספים כמו opt-350m ו־stable diffusion 3 medium.

הממשק כולל דוגמאות מוכנות מראש לבדיקה מהירה, לצד תפריט הגדרות שמאפשר להתאים פרמטרים טכניים. אפשר לשנות שם את ה־system prompt, לקבוע את הטמפרטורה, להגביל את מספר הטוקנים בפלט, ולכוונן את חלוקת התמונה לאריחים באמצעות max input tiles.

מתאים ל

• ניתוח תוכן של תמונות

  מעלים תמונה ומבקשים תיאור מפורט של מה שמופיע בה או שואלים שאלות על פרטים קטנים.

• בדיקת פרמטרים למודל

  משנים ערכי חלוקת אריחים וטמפרטורה כדי לראות איך הם משפיעים על איכות התשובה.

• השוואה מהירה מול דוגמאות

  מריצים את התמונות המוכנות בממשק כדי להתרשם מביצועי הזיהוי בלי להעלות קבצים משלכם.

איפה זה נופל

ההרצה בדפדפן נשענת על מעבד בסיסי ולא על מאיץ גרפי ייעודי, מה שמגביל מאוד את מהירות התגובה בהשוואה להתקנה מקומית על גבי חומרה חזקה. בנוסף, הממשק כולל כפתור דיווח וכפתורי הצבעה שרומזים על שמירת לוגים של השיחות, כך שלא כדאי להעלות לשם תמונות פרטיות או מידע רגיש.

איך מריצים

טוענים תמונה, כותבים שאלה ולוחצים על Send. אפשר גם לייצר תשובה מחדש עם כפתור ייעודי או לנקות את היסטוריית השיחה. סביבת הריצה מוגדרת על חומרת cpu-basic בסיסית, כך שעיבוד תמונות ופענוח טקסט עלולים לקחת זמן מורגש, בייחוד אם יש עומס משתמשים.

pip install -U huggingface_hub
hf download OpenGVLab/InternVL

הקבצים

44 קבצים במאגר, 167 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

• internvl_c_13b_224px.pth25.4 GB
• internvl_v2.zip16.7 GB
• upernet_intern_vit_6b_504_80k_ade20k_bs16_lr4e-5.pth12.8 GB
• intern_vit_6b_224px.pth12.0 GB
• linear_intern_vit_6b_504_10k_ade20k_bs16_lr4e-5_1of8.pth11.8 GB
• linear_intern_vit_6b_504_20k_ade20k_bs16_lr4e-5_1of4.pth11.8 GB
• linear_intern_vit_6b_504_40k_ade20k_bs16_lr4e-5_1of2.pth11.8 GB
• linear_intern_vit_6b_504_5k_ade20k_bs16_lr4e-5_1of16.pth11.8 GB
• linear_intern_vit_6b_504_80k_ade20k_bs16_lr4e-5_1of1.pth11.8 GB
• intern_vit_6b_448px_v1_0.pth11.8 GB
• intern_vit_6b_448px_v1_2.pth11.1 GB
• intern_vit_6b_448px_v1_5.pth11.1 GB
• intern_vit_6b_448px_v2_5.pth11.1 GB
• synthdog-en-images.zip2.3 GB
• SEED-Bench-image.zip1.7 GB
• updated_datasets.zip1.4 GB
• upernet_intern_vit_6b_504_80k_ade20k_bs16_lr4e-5_frozen.pth959.9 MB
• MME_Benchmark_release_version.zip859.6 MB
• playground.zip272.2 MB
• mmhal-bench_with_image.jsonl234.6 MB
• AI2D_TEST.zip112.3 MB
• intern_vit_6b_224px_head.pth25.7 MB
• geoqa+_images.zip16.4 MB
• seed.jsonl6.2 MB
• scienceqa_test_img.jsonl2.6 MB
• linear_intern_vit_6b_504_80k_ade20k_bs16_lr4e-5_frozen.pth2.0 MB
• upernet_intern_vit_6b_504_80k_ade20k_bs16_lr4e-5.log1.6 MB
• upernet_intern_vit_adapter_6b_512_80k_ade20k_bs16_lr4e-5.log1.6 MB
• upernet_intern_vit_6b_504_80k_ade20k_bs16_lr4e-5_frozen.log1.6 MB
• linear_intern_vit_6b_504_80k_ade20k_bs16_lr4e-5_1of1.log1.6 MB
• linear_intern_vit_6b_504_80k_ade20k_bs16_lr4e-5_frozen.log1.5 MB
• textvqa_val_llava.jsonl1.4 MB
• ai2d_test_vlmevalkit.jsonl1.1 MB
• linear_intern_vit_6b_504_40k_ade20k_bs16_lr4e-5_1of2.log880.3 KB
• ai2d_test.jsonl875.6 KB
• textvqa_val.jsonl776.6 KB
• infographicsvqa_test.jsonl614.6 KB
• infographicsvqa_val.jsonl554.1 KB
• linear_intern_vit_6b_504_20k_ade20k_bs16_lr4e-5_1of4.log540.5 KB
• linear_intern_vit_6b_504_10k_ade20k_bs16_lr4e-5_1of8.log370.7 KB

הרישיון

הקוד מפורסם תחת רישיון MIT, שמאפשר שימוש חופשי כולל שינוי ומסחור. עם זאת, הממשק מציג תנאי שימוש נפרדים שמופיעים בתחתית העמוד, והקוד שומר היסטוריה מקומית כך שאין להסתמך על סודיות המידע שאתם מעלים.

• שימוש מסחרי
• שינוי הקוד
• הפצה מחדש

הרישיון המלא בעמוד המודל ↗