CogVLM & CogAgent模型部署，CogVLM & CogAgent模型部署指南

温馨提示：这篇文章已超过445天没有更新，请注意相关的内容是否还可用！

摘要：，，CogVLM与CogAgent模型的部署是一项前沿技术，涉及人工智能领域的深度学习和自然语言处理。这一部署旨在实现智能化服务，通过先进的算法和模型提升数据处理能力。CogVLM模型用于视觉语言融合，而CogAgent则用于智能决策和响应。整个部署过程将提高系统的智能水平，为用户提供更优质的服务体验。这一技术的实施将为企业带来更高的效率和更好的用户体验，推动人工智能技术在各领域的广泛应用。

CogVLM & CogAgent模型部署，CogVLM CogAgent模型部署指南第1张

CogVLM & CogAgent 下载地址

CogVLM & CogAgent 的 Github 官方仓库：https://github.com/THUDM/CogVLM

CogVLM & CogAgent 体验地址

CogVLM模型已足以胜任传统CV任务，如目标检测、定位和VQA任务，而对于需要完成多模态的指令任务，例如跨模态指令、图文指导和工具调用任务，我们推荐使用CogAgent模型。

以下是一些测试成果：

（插入您的测试图片）

您还可以从SwanHub、OpenXLab等社区下载模型。

源码安装指南：

1、从GitHub下载源码：

git clone https://github.com/THUDM/CogVLM.git

2、对于Swanhub的源码下载，请使用以下命令：

git clone https://swanhub.co/ZhipuAI/CogVLM.git

开发者可以通过以下方式下载模型文件：

确保已安装git lfs命令，安装教程请参考git-lfs。

模型文件已上传至Huggingface、Modelsope和SwanHub三个平台，用户可以快速安装模型。

+ 使用Huggingface下载模型：

	git lfs install
	git clone https://huggingface.co/THUDM/cogvlm-chat-hf.git
	# 对于CogAgent，使用以下命令克隆仓库
	git clone https://huggingface.co/THUDM/cogagent-chat-hf.git

+ 使用Modelscope下载模型：

	git lfs install
	git clone https://www.modelscope.cn/ZhipuAI/cogvlm-chat.git 
	# 对于CogAgent，使用以下命令克隆仓库 
	git clone https://www.modelscope.cn/ZhipuAI/cogagent-chat.git

+ 使用SwanHub下载模型：

	git lfs install 
	git clone https://swanhub.co/ZhipuAI/cogvlm-chat.git 
	# 对于CogAgent，使用以下命令克隆仓库 
	git clone https://swanhub.co/ZhipuAI/cogagent-chat-hf.git 
	``` 接下来是安装依赖和运行Demo的步骤，使用pip安装依赖：

cd CogVLM

pip install -r requirements.txt

python -m spacy download en_core_web_sm

``` 如果您的配置不满足最低要求，请访问环境配置页面获取更多信息。运行Demo时，请使用我们提供的命令行交互来完成与CogAgent和CogVLM的对话，在python basic_demo/cli_demo_hf.py中运行代码段。如果您使用的是sat模型，请使用cli_demo_sat.py来完成此步骤。我们还提供了一个可以直接运行的完整Web Demo供开发者使用，用户可以直接在Web Demo中可视化地与模型进行交互，启动代码和更多详细信息将在后续部分提供，启动WebDemo前，请确保按照要求下载必要的配置并正确设置MODEL_PATH和TOKENIZER_PATH，然后运行streamlit命令启动WebDemo。