File size: 1,345 Bytes
35d3d26 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 |
import gradio as gr
from transformers import AutoProcessor, AutoModelForVision2Seq
from PIL import Image
import torch
device = "cuda" if torch.cuda.is_available() else "cpu"
# Load model + processor
model_id = "prithivMLmods/Doc-VLMs-v2-Localization"
processor = AutoProcessor.from_pretrained(model_id)
model = AutoModelForVision2Seq.from_pretrained(model_id).to(device)
# Giao diện
def predict(image, text_input, system_prompt="Trích thông tin, không cần diễn giải"):
image = image.convert("RGB")
inputs = processor(images=image, text=text_input, return_tensors="pt").to(device)
generated_ids = model.generate(
**inputs,
max_new_tokens=512,
do_sample=False,
eos_token_id=processor.tokenizer.eos_token_id,
pad_token_id=processor.tokenizer.pad_token_id
)
result = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]
return result
# Gradio app
demo = gr.Interface(
fn=predict,
inputs=[
gr.Image(type="pil", label="Upload ảnh tài liệu"),
gr.Textbox(label="Câu hỏi muốn hỏi mô hình"),
gr.Textbox(label="System prompt (tuỳ chọn)", value="Trích thông tin, không cần diễn giải")
],
outputs="text",
title="Doc-VLMs v2 - Vision Document QA"
)
if __name__ == "__main__":
demo.launch()
|