124 lines
3.3 KiB
Markdown
124 lines
3.3 KiB
Markdown
# InternVL3-8B 在 Material Analyzer 中的使用说明
|
||
|
||
本目录存放 `InternVL3-8B` 模型文件。它是 Material Analyzer 的外部模型依赖，不应该提交到 `Material Analyzer` 项目仓库。
|
||
|
||
## 主要功能
|
||
|
||
`InternVL3-8B` 是视觉语言模型。在本项目中，它用于查看地板或瓷砖图片，并结合产品元数据生成结构化语义结果。
|
||
|
||
本项目使用它完成以下字段：
|
||
|
||
```json
|
||
{
|
||
"description": "",
|
||
"material_type": "",
|
||
"surface_finish": "",
|
||
"grain_type": "",
|
||
"color_family": "",
|
||
"visual_style": "",
|
||
"variation": "",
|
||
"gloss_level": "",
|
||
"tags": [],
|
||
"confidence": 0.0,
|
||
"field_confidence": {}
|
||
}
|
||
```
|
||
|
||
这些结果会写入每个资产目录中的：
|
||
|
||
```text
|
||
semantic.json
|
||
material.json
|
||
```
|
||
|
||
## 本项目没有使用的能力
|
||
|
||
当前 Material Analyzer 只使用 InternVL3 做语义分析，不使用它生成图像 embedding。
|
||
|
||
图像 embedding 仍由以下 provider 负责：
|
||
|
||
- `local`：本地确定性颜色/纹理指纹
|
||
- `http`：可选 DINOv2/CLIP 模型服务
|
||
|
||
## 推荐仓库管理方式
|
||
|
||
建议将本目录作为独立模型仓库或 Hugging Face 模型仓库管理。不要把模型权重放进业务代码仓库。
|
||
|
||
如果使用 Git 管理该模型目录，需要启用 Git LFS，并跟踪大文件：
|
||
|
||
```bash
|
||
git lfs install
|
||
git lfs track "*.safetensors"
|
||
git lfs track "*.bin"
|
||
git add .gitattributes
|
||
```
|
||
|
||
## 本地放置路径
|
||
|
||
Material Analyzer 默认读取：
|
||
|
||
```text
|
||
D:\go-demo\data\InternVL3-8B
|
||
```
|
||
|
||
如果模型放在其他位置，需要在启动语义服务前设置：
|
||
|
||
```bash
|
||
set INTERNVL3_MODEL_PATH=D:\path\to\InternVL3-8B
|
||
```
|
||
|
||
## 启动语义服务
|
||
|
||
在 Material Analyzer 项目中运行：
|
||
|
||
```bash
|
||
cd D:\go-demo\Material Analyzer\tools\vision_server
|
||
python -m pip install -r requirements.txt
|
||
set INTERNVL3_MODEL_PATH=D:\go-demo\data\InternVL3-8B
|
||
python server.py
|
||
```
|
||
|
||
服务默认监听：
|
||
|
||
```text
|
||
http://127.0.0.1:5300/semantic
|
||
```
|
||
|
||
## 在 Material Analyzer 中调用
|
||
|
||
回到 Material Analyzer 项目根目录：
|
||
|
||
```bash
|
||
cd D:\go-demo\Material Analyzer
|
||
go run . -sku I966106LP -semantic-provider internvl3 -semantic-url http://127.0.0.1:5300
|
||
```
|
||
|
||
也可以和本地规则 provider 组合：
|
||
|
||
```bash
|
||
go run . -semantic-provider local,internvl3 -semantic-url http://127.0.0.1:5300
|
||
```
|
||
|
||
组合模式会做字段级融合，并根据置信度决定最终语义字段。
|
||
|
||
## 常用环境变量
|
||
|
||
```text
|
||
INTERNVL3_MODEL_PATH 模型目录，默认 D:\go-demo\data\InternVL3-8B
|
||
INTERNVL3_PORT 服务端口，默认 5300
|
||
INTERNVL3_IMAGE_SIZE 输入图块尺寸，默认 448
|
||
INTERNVL3_MAX_TILES 最大图块数，默认 4
|
||
INTERNVL3_MAX_NEW_TOKENS 最大生成 token 数，默认 512
|
||
INTERNVL3_TEMPERATURE 生成温度，默认 0.0
|
||
INTERNVL3_LOAD_IN_8BIT 是否 8bit 量化加载
|
||
INTERNVL3_LOAD_IN_4BIT 是否 4bit 量化加载
|
||
INTERNVL3_USE_FLASH_ATTN 是否启用 flash attention
|
||
```
|
||
|
||
## 注意事项
|
||
|
||
- 模型权重体积很大，普通 Git 不适合直接管理。
|
||
- 首次启动会加载多个 `.safetensors` 分片，耗时和显存占用都较高。
|
||
- 如果显存不足，可以尝试 `INTERNVL3_LOAD_IN_8BIT=true` 或 `INTERNVL3_LOAD_IN_4BIT=true`，但需要环境支持 bitsandbytes。
|
||
- 本项目语义服务接口只要求 `/semantic` 可用；业务代码不直接读取模型目录。
|