作者：晔峰
快速玩转起来
只需区区下面几行代码，就可以轻松玩起来，打开mPLUG模型官方文档，直接点击右上角的Notebook按钮，官方通过Notebook提供了已配置好的带GPU的环境，可薅免费V100 GPU资源使用，只需要在Notebook里输入提供的几行代码，就可以快速体验mPLUG开放域视觉问答效果了！
# 进入python
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks
# VQA视觉问答任务
p_vqa = pipeline('visual-question-answering', 'damo/mplug_visual-question-answering_coco_large_en')
print(p_vqa({'image':'https://alice-open.oss-cn-zhangjiakou.aliyuncs.com/mPLUG/image_mplug_vqa_5.jpg','question':'what name is this guy?'}))
# {'text': 'dali'}, 返回答案：dali
# Caption看图说话任务
p_caption = pipeline(Tasks.image_captioning, 'damo/mplug_image-captioning_coco_large_en')
print(p_caption('https://alice-open.oss-cn-zhangjiakou.aliyuncs.com/mPLUG/image_captioning.png'))
# {'caption': 'a young man making a mean face with his fists'}
想在本地下载使用的话，也可以参考modelscope官方文档，点击快速使用栏，按照教程安装ModelScope相关环境和跑示例代码，在pip安装环境可参考环境安装这一节，如果遇到配置问题建议用conda新建一个clean环境安装相应库，下载时间稍微有点长，请耐心等待。pip install的时候有些包下载特别慢，这里小编也发现一个小诀窍，建议在国内可以通过"-i https://pypi.tuna.tsinghua.edu.cn/simple" 的命令行选项来加速pip包安装，例如：
pip install "modelscope[multi-modal]" -f https://modelscope.oss-cn-beijing.aliyuncs.com/releases/repo.html -i https://pypi.tuna.tsinghua.edu.cn/simple
小编马上开始测试模型！就拿小编最近去西双版纳的图片来测试！！！西双版纳是中国热带生态系统保存最完整的地区，素有“植物王国”、“动物王国”、“生物基因库”、“植物王国桂冠上的一颗绿宝石”等美称。同时西双版纳还有好多好吃的，舂鸡脚、泰国菜、孔雀宴、老挝冰咖啡、小菠萝、傣式烧烤等等。
测完之后，真的是全知全能的问答模型，无论问物种、问数量、问位置，模型都能回答出来。图中小编刚认识的睡莲(lily pads)--泰国的国花都是精准无比，还有图4也能把背景中大象也能识别出来，厉害了！
Notebook上手体验
遇到这么强的模型，小编当然想深刻了解一下，觉知此事要躬行嘛！其实是想自己拥有一个，将来出去玩的时候可以把导游费给省了。ModelScope也为我考虑到了，右上角「在Notebook中打开」，点它！这里有CPU环境和GPU环境，看到GPU，小编眼睛都直了，这不就是和3090Ti齐名的V100，如此方便使用的GPU，羊毛党果断薅一下。同时Notebook里也集成了ModelScope的安装环境，避免了安装报错的烦恼，还有30M/s的下载网速。
测试过程非常流程，只需要会import就能实现整体流程，小编也整理了相关代码放出来可以使用！
###
!pwd
!mkdir data
!wget http://xingchen-data.oss-cn-zhangjiakou.aliyuncs.com/maas/visual-question-answering/visual_question_answering.png -O data/visual_question_answering.png
###
from PIL import Image
image = Image.open('data/visual_question_answering.png')
image.show()
###
# 运行代码
from PIL import Image
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks
model_id = 'damo/mplug_visual-question-answering_coco_large_en'
input_vqa = {
'image': Image.open('data/visual_question_answering.png'),
'question': 'What is grown on the plant?',
}
pipeline_vqa = pipeline(Tasks.visual_question_answering, model=model_id)
print(pipeline_vqa(input_vqa))
为了方便大家，小编也把运行中间步骤展示出来，这样无论是小白还是新手，都可以玩起来了。
离部署只差最后一步了，用gradio就可以满足你，按照文档提示即可完成。
mPLUG模型体验
多模态预训练模型mPLUG是建立在千万图文数据预训练的基础上，小编就想探究下模型是不是真的都学会了吗？最近文本生成图像模型DALLE和扩散模型开始如火如荼根据文本生成各种想象的图片，小编就想对于这些生成出来的图片，视觉问答模型mPLUG还可以正确回答吗？会不会因为没见过类似的样本就没有办法回答呀？
小编先尝试了对大名鼎鼎的DALLE生成的图像进行问答，DALLE是OpenAI放出的文本生成图像模型，取名DALL-E，是为了向艺术家萨尔瓦多-达利（Salvador Dali ）和皮克斯的机器人WALL-E致敬。测试之后，看看下面的结果，连艺术家dali都能识别出来，不愧是见多识广，知识也太渊博了！
###
from modelscope.msdatasets import MsDataset
# from icecream import ic
dataset = MsDataset.load('vqa_trial', subset_name='vqa_trial', split="test")
print(dataset[0])
def resize_img(img):
# set the base width of the result
basewidth = 300
# determining the height ratio
wpercent = (basewidth/float(img.size[0]))
hsize = int((float(img.size[1])*float(wpercent)))
# resize image and save
img = img.resize((basewidth,hsize), Image.ANTIALIAS)
return img
resize_img(dataset[0]['image']).show()
###
from PIL import Image
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks
model_id = 'damo/mplug_visual-question-answering_coco_large_en'
pipeline_vqa = pipeline(Tasks.visual_question_answering, model=model_id)
for item in dataset:
input_vqa = {
'image': item['image'],
'question': item['question'],
}
answer = pipeline_vqa(input_vqa)
resize_img(item['image']).show()
print('Q: ' + item['question'])
print('A: ' + answer['text'])
同时小编也拿了ModelScope上的文生图模型进行测试，测试结果如下：
可以看到视觉问答模型mPLUG具有非常强的泛化能力，针对各种生成的图片，各个不同领域的来源，即便对于生成的一些开放域的不是很清晰的图片，都能回答正确。这就是训练了千万次，理解了视觉特征之后，达到了“无招胜有招”，实际测试中就可以融会贯通!
小编也整理好了代码，方便大家尝试。
结语
市面上有好多号称“用户上手简单”，“一步到位”，“傻瓜式”，但是真的，如果不懂两三行代码，没有一些机器学习基础，不趟几次浑水，是真的没办法上手的。浅草才能没马蹄，ModelScope真的做到了，一步即可体验，所见即所得，没有任何的冗余，如丝般顺滑的的在线体验。
到这里就结束了，赶紧上ModelScope一键体验超人类的视觉问答模型，一键直达：https://www.modelscope.cn/models/damo/mplug_visual-question-answering_coco_large_en/summary 。
