현지에서 Deepseek Janus-Pro를 사용하는 방법

중국 AI 혁신가 인 Deepseek는 전 세계 AI 환경에 크게 영향을 미쳐 미국 주식 시장 평가와 Nvidia 및 Openai와 같은 불안정한 기술 거인이 1 조 달러 감소했습니다. 눈에 띄는 급격한 증가는 최첨단 텍스트 생성, 추론, 비전 및 이미지 생성 모델 때문입니다. 최근 하이라이트는 최첨단 야누스 시리즈의 멀티 모달 모델을 출시 한 것입니다. 이 튜토리얼 세부 사항은 Janus 모델을 실행하고 기능을 탐색하기 위해 로컬 Docker 컨테이너를 설정합니다.

저자의 이미지 이 안내서는 Janus 프로젝트 설정, 로컬 실행을위한 Docker 컨테이너 구축 및 이미지 및 텍스트 처리 기능을 테스트하는 것을 다룹니다. DeepSeek의 파괴적인 모델에 대한 추가 탐색은 이러한 자원을 통해 제공됩니다. deepseek-v3 : 데모 프로젝트가있는 가이드 deepseek-r1 : 특징, O1 비교, 증류 모델 및 기타

Deepseek Janus 시리즈 소개 Deepseek Janus 시리즈는 고급 프레임 워크를 사용하여 시각적 이해력과 생성을 원활하게 통합하도록 설계된 새로운 세대의 멀티 모달 모델을 나타냅니다. 이 시리즈는 Janus, Janusflow 및 고성능 Janus-Pro로 구성되며 각 반복은 효율성, 성능 및 멀티 모달 기능을 향상시킵니다.

1. 야누스 : 통일 된 접근

Janus는 통합 변압기 아키텍처를 활용하면서 이해와 생성을 위해 시각적 인코딩을 별개의 경로로 분리하는 새로운 자동 회귀 프레임 워크를 사용합니다. 이 설계는 이러한 기능 사이의 고유 한 충돌을 해결하여 유연성과 효율성을 향상시킵니다. Janus의 성능 라이벌 또는 전문 모델을 능가하여 미래의 멀티 모달 시스템의 주요 후보입니다.

2. Janusflow : 정류 유량 통합 Janusflow는자가 회귀 언어 모델링을 최고의 생성 모델링 기술인 정류 된 흐름과 통합합니다. 간소화 된 디자인은 대형 언어 모델 프레임 워크 내에서 교육을 단순화하여 복잡한 수정을 제거합니다. 벤치 마크 결과 Janusflow는 전문화 된 접근 방식과 통합 접근 방식을 능가하여 비전 언어 모델링의 최첨단을 발전시킵니다.
• 3. Janus-Pro : 최적화 된 성능
Janus-Pro는 최적화 된 교육 방법, 확장 된 데이터 세트 및 더 큰 모델 크기를 통합하여 전임자를 기반으로합니다. 이러한 개선 사항은 멀티 모달 이해, 텍스트-이미지 지침 및 텍스트-이미지 생성의 안정성을 크게 향상시킵니다.
출처 : Deepseek-Ai/Janus Janus 시리즈, 액세스 방법 및 OpenAi의 Dall-E 3과의 비교에 대한 더 깊은 다이빙을 위해 DeepSeek의 Janus-Pro : 기능, Dall-E 3 비교 및 ​​기타. Janus 프로젝트를 설정 Janus는 비교적 새로운 모델이지만 쉽게 사용할 수있는 양자화 된 버전 또는 로컬 애플리케이션이 부족한 데스크탑/노트북 사용을 위해 로컬 애플리케이션이 부족하지만 Github 저장소는 Gradio 웹 응용 프로그램 데모를 제공합니다. 그러나이 데모는 종종 패키지 충돌을 겪습니다. 이 프로젝트는 코드를 수정하고 사용자 정의 Docker 이미지를 만들고 Docker Desktop을 사용하여 로컬로 실행하여이를 해결합니다.

1. Docker Desktop 설치

공식 Docker 웹 사이트에서 최신 Docker Desktop 버전을 다운로드하고 설치하여 시작하십시오. Windows 사용자 : Windows 사용자는 Linux (WSL) 용 Windows 서브 시스템도 필요합니다. 다음과 같이 터미널을 통해 설치하십시오
2. 야누스 리포지토리

복제 Janus 리포지토리를 복제하고 프로젝트 디렉토리로 이동하십시오 :

3. 데모 코드 수정

를 엽니 다. 다음을 변경하십시오 :

모델 이름 변경 :

를 대체하십시오. 이것은 작은 (4.1GB) 모델을 사용하여 지역 용도로 더 적합합니다.

<code>wsl --install</code>

업데이트 함수 :

마지막 줄을 로 수정하십시오

<code>git clone https://github.com/deepseek-ai/Janus.git
cd Janus</code>

이것은 Docker URL 및 포트 호환성을 보장합니다

4. 도커 이미지 생성

이 내용을 사용하여 프로젝트의 루트 디렉토리에서 demo를 만듭니다. app_januspro.py 이 dockerfile은 다음과 같습니다

Pytorch 기본 이미지를 사용하십시오 컨테이너의 작업 디렉토리를 설정하십시오 프로젝트 파일을 컨테이너에 복사하십시오 의존성을 설치하십시오 Gradio 응용 프로그램을 시작하십시오

도커 이미지를 구축하고 실행합니다
1. 를 만든 후 Docker 이미지를 빌드하고 실행하십시오. 기본 지식을 위해 Docker 과정을 소개하는 것을 고려하십시오. : 를 사용하여 이미지를 빌드하십시오 (인터넷 연결에 따라 10-15 분이 걸릴 수 있습니다.) deepseek-ai/Janus-Pro-7B deepseek-ai/Janus-Pro-1B
GPU 지원, 포트 매핑 및 영구 스토리지로 컨테이너를 시작하십시오 :

Docker Desktop 응용 프로그램의 "컨테이너"및 "로그"탭에서 진행 상황을 모니터링합니다. Hugging Face Hub의 모델 다운로드는 로그에서 볼 수 있습니다.

: 에서 응용 프로그램에 액세스하십시오. 문제 해결은 의 업데이트 된 Janus 프로젝트를 참조하십시오. Janus Pro 모델 테스트 웹 앱은 사용자 친화적 인 인터페이스를 제공합니다. 이 섹션은 Janus Pro의 다중 모드 이해와 텍스트-이미지 생성을 보여줍니다. 멀티 모달 이해 테스트 멀티 모달 이해를 테스트하려면 이미지를 업로드하고 설명을 요청하십시오. 더 작은 1B 모델에서도 결과는 매우 정확합니다.

마찬가지로, 인포 그래픽으로 테스트하는 것은 이미지 내에서 텍스트 내용의 정확한 요약을 보여줍니다. http://localhost:7860/ kingabzpro/Janus: Janus-Series 텍스트-이미지 생성 테스트 "텍스트-이미지 생성"섹션을 사용하면 사용자 지정 프롬프트로 테스트 할 수 있습니다. 모델은 5 분이 걸릴 수있는 5 가지 변형을 생성합니다.

생성 된 이미지는 품질과 세부 사항이 안정적인 확산 XL과 비슷합니다. 더 복잡한 프롬프트도 아래에 테스트되어 복잡한 설명을 처리하는 모델의 능력을 보여줍니다.

프롬프트 예 : (화려한 주변 환경이있는 눈에 대한 자세한 설명)

결론 포괄적 인 테스트를 위해 DeepSeek의 포옹 페이스 스페이스 배포 ()는 전체 모델 기능에 대한 액세스를 제공합니다. Janus Pro Model의 정확도는 더 작은 변형으로도 주목할 만하다. 이 자습서는 Janus Pro의 멀티 모드 기능을 자세히 설명하고 개인 용도로 지역적이고 효율적인 솔루션을 설정하기위한 지침을 제공했습니다. 추가 학습은 미세 조정 DeepSeek R1 (추론 모델)에 대한 가이드를 통해 제공됩니다.

위 내용은 현지에서 Deepseek Janus-Pro를 사용하는 방법의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!