MiniCPM-V模型是一个强大的端侧多模态大语言模型，专为高效的终端部署而设计。

目前该模型有MiniCPM-V 1.0、MiniCPM-V 2.0和MiniCPM-Llama3-V 2.5版本。

MiniCPM-V 1.0模型：该模型系列第一个版本，具有基础的多模态处理能力，同时是最轻量级的版本。

MiniCPM-V 2.0模型：此版本提供了高效而先进的端侧双语多模态理解能力，能够处理最大180万像素的高清大图，包括那些具有1:9极限宽高比的图像，进行高效编码和无损识别。

它集成了多模态通用能力、OCR（光学字符识别）综合能力和对多种类型数据的处理能力。

MiniCPM-Llama3-V 2.5：这是MiniCPM系列的最新版本，拥有80亿（8B）参数，被宣传为“最强端侧多模态模型”。它在2024年5月21日推出并开源，支持超过30种语言，性能超越了Gemini Pro和GPT-4V等多模态巨无霸模型。

该模型在HuggingFace和GitHub Trending榜上均登顶，展示了其在开源社区的影响力和受欢迎程度。

MiniCPM-Llama3-V 2.5强调了在有限的硬件资源（如8GB显存）上实现高效推理的能力，适合在手机等移动设备上部署。

github项目地址：https://github.com/OpenBMB/MiniCPM-V

一、环境安装

1、python环境

建议安装python版本在3.10以上。

2、pip库安装

<code>pip install torch==2.1.2+cu118 torchvision==0.16.2+cu118 torchaudio==2.1.2 --extra-index-url https://download.pytorch.org/whl/cu118

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

pip install jmespath -i https://pypi.tuna.tsinghua.edu.cn/simple

3、模型下载

（1）MiniCPM-V-1模型

git lfs install

git clone https://www.modelscope.cn/OpenBMB/MiniCPM-V.git

（2）MiniCPM-V-2.0模型

git lfs install

git clone https://www.modelscope.cn/OpenBMB/MiniCPM-V-2.git

（3）MiniCPM-V-2.5模型

git lfs install

git clone https://www.modelscope.cn/OpenBMB/MiniCPM-Llama3-V-2_5.git

二、功能测试

1、web功能测试

使用第一张显卡，显卡至少要有19G显存以上测试MiniCPM-V-2.5模型

CUDA_VISIBLE_DEVICES=0 python web_demo_2.5.py --device cuda

2、python接口测试

from PIL import Image

import torch

from modelscope import AutoModel, AutoTokenizer

#初始化模型和分词器

model = AutoModel.from_pretrained('openbmb/MiniCPM-Llama3-V-2_5', trust_remote_code=True, torch_dtype=torch.float16).to('cuda')

model.eval()

tokenizer = AutoTokenizer.from_pretrained('openbmb/MiniCPM-Llama3-V-2_5', trust_remote_code=True)

#输入图片和问题

image_path = 'example_image.jpg'

image = Image.open(image_path).convert('RGB')

query = 'Describe the scene depicted in this image.'

#定义对话消息

messages = [{'role': 'user', 'content': query}]

#方法1：使用模型进行聊天（非流式）

response = model.chat(image=image, msgs=messages, tokenizer=tokenizer, sampling=True, temperature=0.5)

print("\nNon-streaming response:")

print(response)

#方法2：使用模型进行聊天（流式）

print("\nStreaming response:")

stream_response = model.chat(image=image, msgs=messages, tokenizer=tokenizer, sampling=True, temperature=0.5, stream=True)

for text_chunk in stream_response:

print(text_chunk, end='', flush=True)code>

print()

3、测试结果

（1）案例1

（2）案例2

（2）案例3

三、总结