简介

PaddleMIX是基于飞桨的跨模态大模型开发套件，聚合图像、文本、视频等多种模态，覆盖视觉语言预训练，文生图，文生视频等丰富的跨模态任务。提供开箱即用的开发体验，同时满足开发者灵活定制需求，探索通用人工智能。

最新进展

2024.04.17 发布 PPDiffusers v0.24.0

• PPDiffusers发布 v0.24.0 版本，支持DiT等Sora相关技术，支持SVD等多款视频生成模型

2023.10.7 发布 PaddleMIX v1.0

• 新增图文预训练模型分布式训练能力，BLIP-2支持千亿规模训练
• 新增跨模态应用流水线AppFlow，一键支持自动标注，图像编辑，音生图等11种跨模态应用
• PPDiffusers发布 0.19.3 版本，新增SDXL及相关任务

2023.7.31 发布 PaddleMIX v0.1

• 首次发布PaddleMIX跨模态大模型开发套件，融合PPDiffusers多模态扩散模型工具箱，广泛支持PaddleNLP大语言模型
• 新增EVA-CLIP，BLIP-2，miniGPT-4，Stable Diffusion，ControlNet等12个跨模态大模型

主要特性

• 丰富的多模态功能: 覆盖图文预训练，文生图，跨模态视觉任务，实现图像编辑、图像描述、数据标注等多样功能
• 简洁的开发体验: 模型统一开发接口，高效实现自定义模型开发和功能实现
• 高效的训推流程: 全量模型打通训练推理一站式开发流程，BLIP-2，Stable Diffusion等重点模型训推性能业界领先
• 超大规模训练支持: 可训练千亿规模图文预训练模型，百亿规模文生图底座模型

任务展示

• 视频Demo展示（video Demo）

https://github.com/PaddlePaddle/PaddleMIX/assets/29787866/8d32722a-e307-46cb-a8c0-be8acd93d2c8

安装

1. 环境依赖

   pip install -r requirements.txt

关于PaddlePaddle安装的详细教程请查看Installation。

注：ppdiffusers部分模型需要依赖 CUDA 11.2 及以上版本，如果本地机器不符合要求，建议前往 AI Studio 进行模型训练、推理任务。

如果希望使用bf16训练推理，请使用支持bf16的GPU，如A100。

2. 手动安装

   
   git clone https://github.com/PaddlePaddle/PaddleMIX
   cd PaddleMIX
   pip install -e .

ppdiffusers 安装

cd ppdiffusers pip install -e .

## 教程

- [快速开始](applications/README.md/#快速开始)
- [训练微调](paddlemix/tools/README.md)
- [推理部署](deploy/README.md)

## 特色应用

1. 艺术风格二维码模型

<div align="center">
<img src="https://github.com/PaddlePaddle/Paddle/assets/22989727/ba091291-a1ee-49dc-a1af-fc501c62bfc8" height = "300",caption='' />
<p>体验专区: https://aistudio.baidu.com/community/app/1339</p>
</div>

2. Mix叠图

<div align="center">
<img src="https://github.com/PaddlePaddle/Paddle/assets/22989727/a71be5a0-b0f3-4aa8-bc20-740ea8ae6785" height = "300",caption='' />
<p>体验专区: https://aistudio.baidu.com/community/app/1340</p>
</div>

## 模型库

<table align="center">
  <tbody>
    <tr align="center" valign="center">
      <td>
        <b>多模态预训练</b>
      </td>
      <td>
        <b>扩散类模型</b>
      </td>
    </tr>
    <tr valign="top">
      <td>
        <ul>
        </ul>
          <li><b>图文预训练</b></li>
        <ul>
            <li><a href="https://github.com/PaddlePaddle/PaddleMIX/blob/develop/paddlemix/examples/evaclip">EVA-CLIP</a></li>
            <li><a href="https://github.com/PaddlePaddle/PaddleMIX/blob/develop/paddlemix/examples/coca">CoCa</a></li>
            <li><a href="https://github.com/PaddlePaddle/PaddleMIX/blob/develop/paddlemix/examples/clip">CLIP</a></li>
            <li><a href="https://github.com/PaddlePaddle/PaddleMIX/blob/develop/paddlemix/examples/blip2">BLIP-2</a></li>
            <li><a href="https://github.com/PaddlePaddle/PaddleMIX/blob/develop/paddlemix/examples/minigpt4">miniGPT-4</a></li>
            <li><a href="https://github.com/PaddlePaddle/PaddleMIX/blob/develop/paddlemix/examples/visualglm">VIsualGLM</a></li>
            <li><a href="https://github.com/PaddlePaddle/PaddleMIX/blob/develop/paddlemix/examples/qwen_vl">qwen_vl</a></li>
            <li><a href="https://github.com/PaddlePaddle/PaddleMIX/blob/develop/paddlemix/examples/llava">llava</a></li>
            <li><a href="https://github.com/PaddlePaddle/PaddleMIX/blob/develop/paddlemix/examples/cogvlm">CogVLM && CogAgent</a></li>
            <li><a href="https://github.com/PaddlePaddle/PaddleMIX/blob/develop/paddlemix/examples/internlm_xcomposer2">InternLM-XComposer2</a></li>
      </ul>
      </ul>
          <li><b>开放世界视觉模型</b></li>
        <ul>
            <li><a href="https://github.com/PaddlePaddle/PaddleMIX/blob/develop/paddlemix/examples/groundingdino">Grounding DINO</a></li>
            <li><a href="https://github.com/PaddlePaddle/PaddleMIX/blob/develop/paddlemix/examples/sam">SAM</a></li>
      </ul>
      </ul>
          <li><b>更多模态预训练模型</b></li>
        <ul>
            <li><a href="https://github.com/PaddlePaddle/PaddleMIX/blob/develop/paddlemix/examples/imagebind">ImageBind</a></li>
      </ul>
      </td>
      <td>
        <ul>
        </ul>
          <li><b>文生图</b></li>
        <ul>
           <li><a href="https://github.com/PaddlePaddle/PaddleMIX/blob/develop/ppdiffusers/examples/stable_diffusion">Stable Diffusion</a></li>
            <li><a href="https://github.com/PaddlePaddle/PaddleMIX/blob/develop/ppdiffusers/examples/controlnet">ControlNet</a></li>
            <li><a href="https://github.com/PaddlePaddle/PaddleMIX/blob/develop/ppdiffusers/examples/text_to_image_laion400m">LDM</a></li>
            <li><a href="https://github.com/PaddlePaddle/PaddleMIX/blob/develop/ppdiffusers/ppdiffusers/pipelines/unidiffuser">Unidiffuser</a></li>
        </ul>
        </ul>
          <li><b>文生视频</b></li>
        <ul>
           <li><a href="https://github.com/PaddlePaddle/PaddleMIX/blob/develop/ppdiffusers/ppdiffusers/pipelines/lvdm">LVDM</a></li>
        </ul>
        </ul>
          <li><b>音频生成</b></li>
        <ul>
           <li><a href="https://github.com/PaddlePaddle/PaddleMIX/blob/develop/ppdiffusers/ppdiffusers/pipelines/audioldm">AudioLDM</a></li>
        </ul>
      </td>
    </tr>
  </tbody>
</table>

更多模型能力，可参考[模型能力矩阵](./paddlemix/examples/README.md)
## 许可证书

本项目的发布受Apache 2.0 license许可认证。