ki1killer/Xlinx-Chat-Dev-1

OmniModalLLM

OmniModalLLM is a versatile and powerful multimodal language model designed to handle both text and image inputs, enabling sophisticated conversational AI applications similar to ChatGPT. Leveraging advanced architectures like Mixture of Experts (MoE) and Vector Quantized Variational Autoencoders (VQVAE), OmniModalLLM offers robust performance and adaptability across various tasks.

Features

• Multimodal Support: Handles both text and image data seamlessly.
• Mixture of Experts (MoE): Enhances model performance by leveraging multiple specialized experts.
• Vector Quantized VAE (VQVAE): Efficiently tokenizes and reconstructs images.
• Dynamic Configuration: Adjusts model components dynamically based on input data.
• Chat API: Provides a ChatGPT-like conversational interface using FastAPI.
• Memory Optimizations: Implements techniques like gradient checkpointing and mixed precision training to prevent CUDA Out-Of-Memory (OOM) errors.
• Rate Limiting: Protects the API from abuse using slowapi.
• Dynamic Response Generation Loop: Enables the assistant to generate responses of arbitrary length by iteratively predicting tokens until an end-of-sequence token is encountered or a maximum token limit is reached.

Table of Contents

• Installation
• Usage
  • Training
  • API Deployment
• API Endpoints
• Examples
• Contributing
• License

Installation

Prerequisites

• Python 3.8 or higher
• Git
• CUDA-enabled GPU (optional, for training and inference acceleration)

Clone the Repository

git clone https://github.com/kirill670/OmniModalLLM.git
cd OmniModalLLM

Create a Virtual Environment

It's recommended to use a virtual environment to manage dependencies.

python -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate

Install Dependencies

pip install --upgrade pip
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu116
pip install transformers datasets pillow fastapi uvicorn tiktoken einops tensorboard faiss-cpu slowapi

Note: If you're using a TPU or CPU, adjust the PyTorch installation accordingly.

Usage

Training

OmniModalLLM is pre-configured to train on the Flickr30k and DailyDialog datasets. Ensure you have sufficient computational resources before initiating training.

python training_script.py

This command will:

1. Load and preprocess the Flickr30k and DailyDialog datasets.
2. Initialize the OmniModalLLM model and tokenizer.
3. Start the training loop with mixed precision and gradient checkpointing.
4. Save model checkpoints upon improvement.
5. Launch the FastAPI server concurrently.

Training Parameters:

• Epochs: 5
• Batch Size: Adjusted based on available device (GPU, TPU, CPU)
• Learning Rate: 1e-4
• Early Stopping: Triggered after 3 epochs without improvement

API Deployment

The FastAPI server provides a /chat/ endpoint for interactive conversations. Once the training completes, the API server will be accessible at http://0.0.0.0:8000/chat/.

Running the API Server Independently

If you wish to run the API server without training, ensure the model is trained and load the saved checkpoint.

python api_server.py

This command will:

1. Load the trained OmniModalLLM model and tokenizer.
2. Start the FastAPI server listening on http://0.0.0.0:8000.
3. Expose the /chat/ endpoint for interactive chat.

API Endpoints

POST /chat/

Generates a response based on the provided chat messages.

Request Body:

{
  "session_id": "optional-session-id",
  "messages": [
    {
      "role": "user",
      "content": "Hello, how are you?"
    }
  ]
}

• session_id (optional): Unique identifier to maintain conversation context across multiple requests. If not provided, a new session will be created.
• messages: List of message objects containing the role (user, assistant, or system) and the content.

Response:

{
  "session_id": "unique-session-id",
  "message": {
    "role": "assistant",
    "content": "I'm a model designed to assist you. How can I help today?"
  }
}

Examples

Using curl

Initial Request (Start a New Session):

curl -X POST "http://localhost:8000/chat/" \
-H "Content-Type: application/json" \
-d '{
    "messages": [
        {"role": "user", "content": "Hello, how are you?"}
    ]
}'

Response:

{
  "session_id": "generated-session-id",
  "message": {
    "role": "assistant",
    "content": "I'm doing well, thank you! How can I assist you today?"
  }
}

Subsequent Request (Continue the Conversation):

curl -X POST "http://localhost:8000/chat/" \
-H "Content-Type: application/json" \
-d '{
    "session_id": "existing-session-id",
    "messages": [
        {"role": "user", "content": "Can you tell me a joke?"}
    ]
}'

Response:

{
  "session_id": "existing-session-id",
  "message": {
    "role": "assistant",
    "content": "Sure! Why did the computer show up at work late? It had a hard drive!"
  }
}

Using Postman

1. Create a New POST Request:

   • URL: http://localhost:8000/chat/

2. Set Headers:

   • Content-Type: application/json

3. Set Body:

   • Choose raw and JSON format.
   • Input the JSON payload as shown in the curl examples.

4. Send the Request:

   • Observe the assistant's reply in the response section.

Creating a Simple Frontend

For a more interactive experience, consider creating a simple frontend using frameworks like React, Vue, or even plain HTML/CSS/JavaScript. This frontend can interact with the FastAPI backend via the /chat/ endpoint, allowing users to engage in conversations with the assistant through a web interface.

Contributing

Contributions are welcome! Please follow these steps:

1. Fork the repository.
2. Create a new branch (git checkout -b feature/YourFeature).
3. Commit your changes (git commit -m 'Add some feature').
4. Push to the branch (git push origin feature/YourFeature).
5. Open a Pull Request.

Please ensure your code adheres to the project's coding standards and includes appropriate tests.

License

This project is licensed under the MIT License.

---

Russian Version

OmniModalLLM

OmniModalLLM — это универсальная и мощная мультимодальная языковая модель, разработанная для обработки как текстовых, так и изображенческих данных. Она позволяет создавать сложные приложения для разговорного ИИ, аналогичные ChatGPT. Используя передовые архитектуры, такие как Mixture of Experts (MoE) и Vector Quantized Variational Autoencoders (VQVAE), OmniModalLLM обеспечивает высокую производительность и адаптивность для различных задач.

Особенности

• Мультимодальная поддержка: Бесшовно обрабатывает как текстовые, так и изображенческие данные.
• Mixture of Experts (MoE): Улучшает производительность модели за счет использования нескольких специализированных экспертов.
• Vector Quantized VAE (VQVAE): Эффективно токенизирует и восстанавливает изображения.
• Динамическая конфигурация: Настраивает компоненты модели динамически на основе входных данных.
• Чат API: Предоставляет интерфейс для разговоров, похожий на ChatGPT, используя FastAPI.
• Оптимизация памяти: Реализует такие методы, как градиентный чекпоинтинг и обучение с смешанной точностью, чтобы избежать ошибок Out-Of-Memory (OOM) на CUDA.
• Ограничение скорости запросов: Защищает API от злоупотреблений с помощью slowapi.
• Динамический цикл генерации ответов: Позволяет ассистенту генерировать ответы произвольной длины, итеративно предсказывая токены до появления токена конца последовательности или достижения максимального лимита токенов.

Содержание

• Установка
• Использование
  • Обучение
  • Развертывание API
• API Эндпоинты
• Примеры
• Вклад
• Лицензия

Установка

Предварительные требования

• Python 3.8 или выше
• Git
• CUDA-совместимый GPU (опционально, для ускорения обучения и инференса)

Клонирование репозитория

git clone https://github.com/kirill670/OmniModalLLM.git
cd OmniModalLLM

Создание виртуального окружения

Рекомендуется использовать виртуальное окружение для управления зависимостями.

python -m venv venv
source venv/bin/activate  # В Windows: venv\Scripts\activate

Установка зависимостей

pip install --upgrade pip
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu116
pip install transformers datasets pillow fastapi uvicorn tiktoken einops tensorboard faiss-cpu slowapi

Примечание: Если вы используете TPU или CPU, настройте установку PyTorch соответствующим образом.

Использование

Обучение

OmniModalLLM преднастроена для обучения на датасетах Flickr30k и DailyDialog. Убедитесь, что у вас есть достаточные вычислительные ресурсы перед началом обучения.

python training_script.py

Эта команда выполнит следующие действия:

1. Загрузит и предварительно обработает датасеты Flickr30k и DailyDialog.
2. Инициализирует модель OmniModalLLM и токенизатор.
3. Запустит цикл обучения с использованием смешанной точности и градиентного чекпоинтинга.
4. Сохранит чекпоинты модели при улучшении результатов.
5. Одновременно запустит сервер FastAPI.

Параметры обучения:

• Эпохи: 5
• Размер батча: Настраивается в зависимости от доступного устройства (GPU, TPU, CPU)
• Скорость обучения: 1e-4
• Ранняя остановка: Активируется после 3 эпох без улучшения

Развертывание API

Сервер FastAPI предоставляет эндпоинт /chat/ для интерактивных разговоров. После завершения обучения API-сервер будет доступен по адресу http://0.0.0.0:8000/chat/.

Запуск API-сервера отдельно

Если вы хотите запустить API-сервер без обучения, убедитесь, что модель обучена и загрузите сохраненный чекпоинт.

python api_server.py

Эта команда выполнит следующие действия:

1. Загрузит обученную модель OmniModalLLM и токенизатор.
2. Запустит сервер FastAPI, слушающий на http://0.0.0.0:8000.
3. Предоставит эндпоинт /chat/ для интерактивного чата.

API Эндпоинты

POST /chat/

Генерирует ответ на основе предоставленных сообщений чата.

Тело запроса:

{
  "session_id": "optional-session-id",
  "messages": [
    {
      "role": "user",
      "content": "Привет, как дела?"
    }
  ]
}

• session_id (опционально): Уникальный идентификатор для поддержания контекста разговора между несколькими запросами. Если не предоставлен, будет создана новая сессия.
• messages: Список объектов сообщений, содержащих роль (user, assistant или system) и содержимое.

Ответ:

{
  "session_id": "unique-session-id",
  "message": {
    "role": "assistant",
    "content": "Я модель, созданная для помощи вам. Чем могу помочь сегодня?"
  }
}

Примеры

Использование curl

Начальный запрос (Создание новой сессии):

curl -X POST "http://localhost:8000/chat/" \
-H "Content-Type: application/json" \
-d '{
    "messages": [
        {"role": "user", "content": "Привет, как дела?"}
    ]
}'

Ответ:

{
  "session_id": "generated-session-id",
  "message": {
    "role": "assistant",
    "content": "Я делаю хорошо, спасибо! Чем могу помочь вам сегодня?"
  }
}

Последующий запрос (Продолжение разговора):

curl -X POST "http://localhost:8000/chat/" \
-H "Content-Type: application/json" \
-d '{
    "session_id": "existing-session-id",
    "messages": [
        {"role": "user", "content": "Расскажи анекдот."}
    ]
}'

Ответ:

{
  "session_id": "existing-session-id",
  "message": {
    "role": "assistant",
    "content": "Конечно! Почему компьютер опоздал на работу? Потому что у него был жесткий диск!"
  }
}

Использование Postman

1. Создайте новый POST-запрос:

   • URL: http://localhost:8000/chat/

2. Установите заголовки:

   • Content-Type: application/json

3. Установите тело запроса:

   • Выберите raw и формат JSON.
   • Введите JSON-пейлоад, как показано в примерах curl.

4. Отправьте запрос:

   • Наблюдайте ответ ассистента в разделе ответа.

Создание простого фронтенда

Для более интерактивного опыта рассмотрите возможность создания простого фронтенда с использованием таких фреймворков, как React, Vue или даже простого HTML/CSS/JavaScript. Этот фронтенд может взаимодействовать с бэкендом FastAPI через эндпоинт /chat/, позволяя пользователям вести диалог с ассистентом через веб-интерфейс.

Вклад

Вклады приветствуются! Пожалуйста, следуйте этим шагам:

1. Форкните репозиторий.
2. Создайте новую ветку (git checkout -b feature/YourFeature).
3. Закоммитьте свои изменения (git commit -m 'Добавить некоторую функцию').
4. Запушьте в ветку (git push origin feature/YourFeature).
5. Откройте Pull Request.

Пожалуйста, убедитесь, что ваш код соответствует стандартам кодирования проекта и включает соответствующие тесты.

Лицензия

Этот проект лицензирован под MIT License.

---

Additional Information

For further assistance, questions, or suggestions, please feel free to open an issue on the GitHub repository.

---

Summary of Critical Additions and Corrections:

1. Dynamic Response Generation Loop in API Server:

   • Purpose: Allows the assistant to generate responses of arbitrary length by iteratively predicting the next token until an end-of-sequence token is generated or a maximum number of tokens is reached.
   • Implementation: Added a loop in the generate_response_api function within the api_server.py script that handles token generation, temperature scaling, top-k and top-p sampling, and termination conditions.

2. Updated Features Section:

   • Included the Dynamic Response Generation Loop to highlight the model's capability to generate extensive and coherent responses.

3. Usage Instructions:

   • Enhanced the API Deployment section to explain the independent running of the API server and its functionalities.
   • Updated the Examples section to reflect the ability to handle extended conversations and generate longer responses.

4. Concurrency and Thread Safety:

   • Ensured that the conversation history management in the API server is thread-safe using threading.Lock to prevent race conditions during concurrent access.

5. Rate Limiting:

   • Implemented rate limiting using slowapi to protect the API from abuse, with configurable request limits.

6. Error Handling Enhancements:

   • Added checks to handle scenarios where user messages are not provided, ensuring the assistant responds appropriately.

7. Device Compatibility:

   • Ensured that all tensors are correctly moved to the designated device (CPU, GPU, or TPU) to prevent device mismatch errors during training and inference.

8. Documentation Improvements:

   • Provided detailed instructions for setting up, training, and deploying the model.
   • Included examples for using both curl and Postman to interact with the API.
   • Suggested creating a frontend for enhanced user interaction.

By incorporating these updates, the OmniModalLLM project now offers a more robust and flexible framework for developing advanced multimodal conversational AI applications.