【亲测免费】 AnomalyGPT 使用指南

项目概述

本指南旨在为用户提供一个清晰的路径来了解和操作 AnomalyGPT，这是一个基于大型视觉语言模型的工业异常检测方法，能无阈值地识别工业图像中的异常。

目录结构及介绍

AnomalyGPT 的项目结构精心设计，以支持直观的导航与理解。以下是关键部分的概览：

AnomalyGPT/
├── code/               # 核心代码库，包括模型实现和演示脚本
│   ├── web_demo.py      # 示例部署脚本，用于启动在线演示服务
│   └── ...             # 其他源代码和配置文件
├── data/               # 存放数据集和预训练数据的地方
│   ├── ...
├── pretrained_ckpt/    # 预训练模型权重存放目录
│   ├── imagebind_ckpt/  # ImageBind预训练模型的保存位置
│   ├── pandagpt_ckpt/   # PandaGPT的模型权重，分为7B和13B版本
│   └── vicuna_ckpt/     # Vicuna模型的检查点
├── scripts/            # 训练脚本和其他命令行工具
│   └── train_mvtec.sh   # 用于在MVTec-AD数据集上训练AnomalyGPT的示例脚本
├── README.md           # 主要的项目说明文件
├── requirements.txt    # 项目依赖列表
└── LICENSE             # 许可证文件，采用CC BY-NC-SA 4.0许可协议

启动文件介绍

• web_demo.py: 这是快速部署AnomalyGPT在线演示的关键文件。执行此脚本，用户可以获得一个本地运行的服务，展示如何使用该模型进行异常检测。

  使用方法:

  cd code/
  python web_demo.py
  

配置文件介绍

AnomalyGPT的配置分布在多个文件中，以适应不同的需求和环境设置。

• requirements.txt: 包含运行项目所需的所有Python包及其版本，确保环境一致性。

• openllama_peft.yaml: 在code/config下，定义了训练过程的关键参数，如epoch数、学习率等，用户可以在这里调整训练配置。

• openllama_peft_stage_1.json: 位于code/dsconfig，负责更详细的阶段一训练配置，包括学习率等细节。

对于模型特定的配置，如模型初始化路径、训练数据路径等，通常在训练脚本或示例部署中通过命令行参数指定。

通过以上介绍，您可以初步掌握AnomalyGPT的结构和基础操作流程。记得在正式使用前安装好所有依赖，并按照官方指导准备相应的预训练模型和数据集。