引子

最近鹅厂竟然开源了一个多模态的大模型，之前分享福报厂的多模态视觉大模型（Qwen-VL环境搭建&推理测试-CSDN博客）感兴趣的可以移步。鹅厂开源的，我还是头一回部署。好的，那就让我们看看这个多模态视觉大模型有什么特点吧，首先它说它是汉英双语DiT模型，嗯，这个时候必须再次吐槽下智谱开源的CogVLM（CogVLM/CogAgent环境搭建&推理测试-CSDN博客），竟然只支持英文。其次呢，当然是各种测试集的niubility和各种sota，这里就不再赘述。OK，让我们开始吧。

一、环境安装

docker run -it --rm --gpus=all -v /datas/work/zzq:/workspace pytorch/pytorch:1.13.1-cuda11.6-cudnn8-runtime bash

https://github.com/Tencent/HunyuanDiT.git

cd /workspace/HunyuanDiT/HunyuanDiT-main

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

模型下载地址

https://huggingface.co/Tencent-Hunyuan/HunyuanDiT/tree/main

二、推理测试

改为实际路径，防止下载模型

执行

sh test.sh