首页
/ DeepEyes 的项目扩展与二次开发

DeepEyes 的项目扩展与二次开发

2025-05-28 22:58:34作者:房伟宁

项目的基础介绍

DeepEyes 是一个基于强化学习技术的开源项目,旨在通过图像进行思考和推理。该项目通过端到端的强化学习训练,使模型能够直接将视觉信息整合到推理链中,实现了在不依赖专门外部模型、无需冷启动或监督微调的情况下,对图像进行理解和思考。

项目的核心功能

DeepEyes 的核心功能包括:

  • 视觉信息整合:模型能够将视觉信息直接整合到推理过程中,实现“思考与图像”的能力。
  • 强化学习训练:通过端到端的强化学习训练,模型能够根据结果奖励信号进行学习。
  • 无需监督微调:模型不需要通过监督微调来提升性能,学习过程完全由奖励信号指导。
  • 强泛化能力:训练后的模型在视觉定位、视觉假想减轻和数学问题解决任务上表现出强大的泛化能力。

项目使用了哪些框架或库?

DeepEyes 项目使用了以下框架和库:

  • VeRL:一个通用的强化学习训练框架。
  • PyTorch:用于深度学习模型训练的库。
  • Huggingface:用于模型存储和加载的库。
  • wandb:用于实验跟踪和可视化的库。

项目的代码目录及介绍

项目的代码目录如下:

DeepEyes/
├── .github
├── .vscode
├── docker
├── docs
├── eval
├── examples
├── patches
├── recipe
├── scripts
├── tests
├── verl
├── .gitignore
├── .pre-commit-config.yaml
├── .readthedocs.yaml
├── LICENSE
├── Notice.txt
├── README.md
├── pyproject.toml
├── requirements.txt
├── requirements_deepeyes.txt
├── requirements_sglang.txt
├── setup.py
  • docs/:存放项目的文档和相关说明。
  • examples/:包含示例代码和配置文件,方便用户快速开始训练。
  • scripts/:包含项目运行所需的脚本文件。
  • tests/:存放项目的单元测试和集成测试代码。
  • verl/:包含了 VeRL 强化学习框架的相关代码。

对项目进行扩展或者二次开发的方向

  1. 工具扩展:DeepEyes 的工具箱目前支持有限的工具,可以通过实现新的 ToolBase 类来扩展更多工具,增强模型的能力。
  2. 数据集扩展:可以通过添加新的数据集来扩展训练数据,提升模型在特定领域或任务上的性能。
  3. 模型优化:可以对现有的模型结构或训练策略进行优化,提高模型的效率和准确性。
  4. 多模态交互:探索如何将其他模态(如文本、音频)与视觉信息结合,实现更丰富的交互形式。
  5. 应用场景定制:针对特定应用场景(如医疗图像分析、自动驾驶等)进行定制化开发,以满足特定需求。
登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
153
1.98 K
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
505
42
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
194
279
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
992
395
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
938
554
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
332
11
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70