Bate-papo visualGPT

Visual ChatGPT conecta ChatGPT e uma série de Visual Foundation Models para permitir o envio e recebimento de imagens durante o bate-papo.

Veja nosso artigo: Visual ChatGPT: Conversando, Desenhando e Editando com Modelos Visual Foundation

Atualizações:

Adicionar atribuição personalizada de GPU/CPU
Adicionar suporte para Windows
Mesclar HuggingFace ControlNet, remover download.sh
Adicionar decorador de prompt
Adicionar demonstração de HuggingFace e Colab
Requisitos limpos

Insight e objetivo:

Por um lado, ChatGPT (ou LLMs) serve como uma interface geral que fornece uma compreensão ampla e diversificada de uma ampla gama de tópicos. Por outro lado, os Modelos Fundamentais atuam como especialistas em domínios , fornecendo conhecimento profundo em domínios específicos. Ao aproveitar o conhecimento geral e profundo , pretendemos construir uma IA que seja capaz de lidar com diversas tarefas.

Demonstração

Arquitetura do Sistema

Logotipo

Início rápido

 # clone the repo
git clone https://github.com/microsoft/visual-chatgpt.git

# Go to directory
cd visual-chatgpt

# create a new environment
conda create -n visgpt python=3.8

# activate the new environment
conda activate visgpt

#  prepare the basic environments
pip install -r requirements.txt

# prepare your private OpenAI key (for Linux)
export OPENAI_API_KEY={Your_Private_Openai_Key}

# prepare your private OpenAI key (for Windows)
set OPENAI_API_KEY={Your_Private_Openai_Key}

# Start Visual ChatGPT !
# You can specify the GPU/CPU assignment by "--load", the parameter indicates which 
# Visual Foundation Model to use and where it will be loaded to
# The model and device are sperated by underline '_', the different models are seperated by comma ','
# The available Visual Foundation Models can be found in the following table
# For example, if you want to load ImageCaptioning to cpu and Text2Image to cuda:0
# You can use: "ImageCaptioning_cpu,Text2Image_cuda:0"

# Advice for CPU Users
python visual_chatgpt.py --load ImageCaptioning_cpu,Text2Image_cpu

# Advice for 1 Tesla T4 15GB  (Google Colab)                       
python visual_chatgpt.py --load "ImageCaptioning_cuda:0,Text2Image_cuda:0"
                                
# Advice for 4 Tesla V100 32GB                            
python visual_chatgpt.py --load "ImageCaptioning_cuda:0,ImageEditing_cuda:0,
    Text2Image_cuda:1,Image2Canny_cpu,CannyText2Image_cuda:1,
    Image2Depth_cpu,DepthText2Image_cuda:1,VisualQuestionAnswering_cuda:2,
    InstructPix2Pix_cuda:2,Image2Scribble_cpu,ScribbleText2Image_cuda:2,
    Image2Seg_cpu,SegText2Image_cuda:2,Image2Pose_cpu,PoseText2Image_cuda:2,
    Image2Hed_cpu,HedText2Image_cuda:3,Image2Normal_cpu,
    NormalText2Image_cuda:3,Image2Line_cpu,LineText2Image_cuda:3"

Uso de memória GPU

Aqui listamos o uso de memória GPU de cada modelo de base visual, você pode especificar qual deles você gosta:

Modelo de Fundação	Memória GPU (MB)
Edição de imagem	3981
InstructPix2Pix	2827
Texto2Imagem	3385
Legendagem de imagens	1209
Imagem2Canny	0
CannyText2Image	3531
Imagem2Linha	0
LinhaText2Image	3529
Imagem2Hed	0
HedText2Image	3529
Imagem2Scribble	0
ScribbleText2Image	3531
Imagem2Pose	0
PoseText2Image	3529
Imagem2Seg	919
SegText2Image	3529
Imagem2Profundidade	0
ProfundidadeText2Image	3531
Imagem2Normal	0
NormalText2Image	3529
Resposta VisualQuestion	1495