目前最小的视觉语言大模型-qwen-vl大模型_qwenvl chat

视觉语言qwen-vl大模型，满足一定程度对图片内容的理解和认知，本地部署推理占据显存10.6g；

1、

本次部署版本为Qwen-VL-Chat-Int4，电脑配置：ubuntu20.04；显卡：RTX4090 24G；

2、

三个参考链接：

qwen-vl代码仓库链接：https://github.com/QwenLM/Qwen-VL
Qwen-VL-Chat-Int4模型权重链接：Qwen/Qwen-VL-Chat-Int4 at main
使用参考文档链接：魔搭社区

3、
部署：只需４步
（前提：已经安装了anaconda）

１、下载代码：

git clone https://github.com/QwenLM/Qwen-VL.git

２、配置环境：python建议使用3.10，本人尝试过3.12会导致failed to build totenizers从而环境安装失败。

conda create -name qwenvl python=3.10
cd Qwen-VL
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
###建议添加清华镜像提高包的安装时间

３、配置Qwen-VL-Chat-Int4额外依赖库：

pip install optimum -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install auto-gptq -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install modelscope -U -i https://pypi.tuna.tsinghua.edu.cn/simple

4、测试；推理模块；

需要修改自己的模型路径；

python web_demo_mm.py  --checkpoint-path /home/u/hxx/llm_set/openai/qwen_vl/Qwen-VL-Chat-Int4

问题1：

本地部署，环境报错第一点：解决方式需要降低urllib3的版本，适宜版本为urllib3==1.25.11;

问题2、

报错：

ERROR: Could not build wheels for tokenizers, which is required to install pyproject.toml-based projects

解决方法：安装rust:

curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh
直接安装太慢，需要配置安装源

curl --proto '=https' --tlsv1.2 https://sh.rustup.rs -sSf > rust.sh && chmod +x rust.sh
##设置环境变量
##export RUSTUP_DIST_SERVER=https://mirrors.ustc.edu.cn/rust-static
export RUSTUP_DIST_SERVER=https://mirrors.tuna.tsinghua.edu.cn/rustup
export RUSTUP_UPDATE_ROOT=https://mirrors.ustc.edu.cn/rust-static/rustup
./rust.sh
##安装成功