Nvidia NIM 提供了强大的工具和灵活的部署选项，让生成式 AI 模型的开发和应用变得更加高效和便捷。无论你是初学者还是资深开发者，NIM 都能轻松应对 AI 推理的复杂挑战，加速创新与落地。
NVIDIA AI 是非常先进的生成式 AI 平台，深受多家创新前沿企业组织的信赖。该平台专为企业设计并不断更新，让您可以放心将生成式 AI 应用大规模部署到任何地方的生产环境中，人工智能数据和技术基础架构等在内的全新混合式AI解决方案及服务，以高效、便捷和专业的方式，充分帮助企业实现AI技术落地到业务中的商业价值。
NIM 代表 NVIDIA 推理微服务，这意味着它是一种用于对生成式 AI 模型进行推理的服务。在宣布推出时，NIM 仅作为 一套面向开发者的 API 提供。NIM 也是 NVIDIA AI Enterprise 的一部分，该平台建立在 VMware 和 Red Hat 的基础设施软件之上。
打开官网可以看到，NVIDIA NIM 平台支持了很多的模型，比如我们常见的llama这里会有很多个版本，可以用来选择：
点击第一个模型进去后，可以看到这个模型的一些介绍，然后还有一些是不同语言如何来实现这个大模型：
从ptyhon的代码来分析，可以看到以下这段代码非常的简洁，基本上分为3步：
- 定义OpenAI的参数，里面的base_url是写死的，api_key是动态生成的，需要自已去获取
- client.chat实例化一个chat的会话，里面传了一些参数，使用content来表示自己的提示
- 通过返回的消息completion，这里因为是流式返回，所以，就使用了for循环来接受
from openai import OpenAI
client =OpenAI(
base_url ="https://integrate.api.nvidia.com/v1",
api_key ="$API_KEY_REQUIRED_IF_EXECUTING_OUTSIDE_NGC")
completion = client.chat.completions.create(
model="nvidia/llama-3.1-nemotron-70b-instruct",
messages=[{"role":"user","content":"Write a limerick about the wonders of GPU computing."}],
temperature=0.5,
top_p=1,
max_tokens=1024,
stream=True
)for chunk in completion:if chunk.choices[0].delta.content is not None:print(chunk.choices[0].delta.content, end="")
那这里提到的key在哪里去获取呢？点击下图的Get api keys即可进行获取，还是非常简单的：
将图中的api_key替换自己的key即可，这里提示一下，不要泄露出去：
通过执行这个python的文件，可以得到以下的结果：
可以看到不到3分钟就可以得到一个基于NVIDIA NIM 平台的知识问答系统实践，非常的神奇！
上面描述了一个简单的python代码即可实现一个AI应用，总不能将代码提供给别人吧？
1. 如何通过web页面将一个AI应用分享给其它人使用：
把下面的代码复制粘贴到一开始创建的 Python 文件中，例如“nim_test.py”：
# -*- coding: utf-8-*-
# 导入必要的库
from langchain_nvidia_ai_endpoints import NVIDIAEmbeddings, ChatNVIDIA
from langchain_community.document_loaders import WebBaseLoader
from langchain_community.vectorstores importFAISSfrom langchain_text_splitters import RecursiveCharacterTextSplitter
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.output_parsers import StrOutputParser
from langchain_core.runnables import chain
import os
import gradio as gr
from datetime import datetime
# Even if you do not know the full answer, generate a one-paragraph hypothetical answer to the below question in Chinese
# 定义假设性回答模板
hyde_template ="""Even if you do not know the full answer, generate a one-paragraph hypothetical answer to the below question:{question}"""
# 定义最终回答模板
template ="""Answer the question based only on the following context:{context}
Question:{question}"""
# 定义函数来处理问题
def process_question(url, api_key, model_name, question):
# 初始化加载器并加载数据
loader =WebBaseLoader(url)
docs = loader.load()
# 设置环境变量
os.environ['NVIDIA_API_KEY']= api_key
# 初始化嵌入层
embeddings =NVIDIAEmbeddings()
text_splitter =RecursiveCharacterTextSplitter(chunk_size=500, chunk_overlap=50)
documents = text_splitter.split_documents(docs)
vector =FAISS.from_documents(documents, embeddings)
retriever = vector.as_retriever()
# 初始化模型
model =ChatNVIDIA(model=model_name)
# 创建提示模板
hyde_prompt = ChatPromptTemplate.from_template(hyde_template)
hyde_query_transformer = hyde_prompt | model |StrOutputParser()
# 定义检索函数
@chain
def hyde_retriever(question):
hypothetical_document = hyde_query_transformer.invoke({"question": question})return retriever.invoke(hypothetical_document)
# 定义最终回答链
prompt = ChatPromptTemplate.from_template(template)
answer_chain = prompt | model |StrOutputParser()
@chain
def final_chain(question):
documents = hyde_retriever.invoke(question)
response =""for s in answer_chain.stream({"question": question,"context": documents}):
response += s
return response
# 调用最终链获取答案
returnstr(datetime.now())+final_chain.invoke(question)
# 定义可用的模型列表
models =["mistralai/mistral-7b-instruct-v0.2","meta/llama-3.1-405b-instruct"]
# 启动Gradio应用
iface = gr.Interface(
fn=process_question,
inputs=[
gr.Textbox(label="输入需要学习的网址"),
gr.Textbox(label="NVIDIA API Key"),
gr.Dropdown(models, label="选择语言模型"),
gr.Textbox(label="输入问题")],
outputs="text",
title="网页知识问答系统")
# 启动Gradio界面
iface.launch()
这段代码是一个基于Gradio的网页知识问答系统，它使用了NVIDIA的AI模型和LangChain库来处理自然语言问题。以下是代码的详细解释：
- 导入必要的库：
from langchain_nvidia_ai_endpoints import NVIDIAEmbeddings, ChatNVIDIA：导入NVIDIA的嵌入层和聊天模型。
from langchain_community.document_loaders import WebBaseLoader：导入网页加载器。
from langchain_community.vectorstores importFAISS：导入FAISS向量存储库。
from langchain_text_splitters import RecursiveCharacterTextSplitter：导入文本分割器。
from langchain_core.prompts import ChatPromptTemplate：导入聊天提示模板。
from langchain_core.output_parsers import StrOutputParser：导入字符串输出解析器。
from langchain_core.runnables import chain：导入链运行器。
import os：导入操作系统库。
import gradio as gr：导入Gradio库。
from datetime import datetime：导入日期时间库。
- 定义假设性回答模板：
- hyde_template：即使你不知道完整的答案，也要根据以下问题生成一段假设性的回答。 定义最终回答模板：
- template：仅根据以下上下文回答问题。 定义函数来处理问题：
- process_question：该函数接受网址、API密钥、模型名称和问题作为输入，并返回问题的答案。
- 定义可用的模型列表：
- models：包含可用的NVIDIA AI模型名称。
- 启动Gradio应用,iface：使用Gradio的Interface类创建一个界面，该界面包含输入组件（网址、API密钥、模型选择、问题）和输出组件（文本）。 iface.launch()：启动Gradio界面。
安装所需要的依赖项，输入下方命令:
pip install langchain_nvidia_ai_endpoints langchain-community langchain-text-splitters faiss-cpu gradio==3.50.0 setuptools beautifulsoup4
3. 如何使用其它的AI模型：
可以看到以下提供了很多类型的模型：
- 大语言模型 Phi-3 LLMs
- 生成代码 Granite Code
- 生成文本向量 Generate Embeddings for Text Retrieval （agent-blueprints）
- 视觉语义分割ChangeNet
- 光学字符检测OCDRNet
- 统计图表理解deplot（agent-blueprints）
在我们的工作中，其实有许多统计图表理解的需求，今天来尝试一下：
应用场景
识别发票/账单金额，并转存为格式化数据,对图片中的文字进行识别，并与图片存储在一起，便于后期图片信息检索
申请地址
https://build.nvidia.com/google/google-deplot?snippet_tab=Python
模型介绍
将统计图表转换为数据结构json格式
应用场景
对图片转换为表格数据库/csv/json形式存储，结合generate code生成Sql或者结合大预言模型，进行分析给出总结
# 导入requests库和base64编码库
import requests, base64
# 设置推理URL和流式传输标志
invoke_url ="https://ai.api.nvidia.com/v1/vlm/google/deplot"
stream = True
# 以二进制模式打开图像文件并进行base64编码
withopen("economic-assistance-chart.png","rb")as f:
image_b64 = base64.b64encode(f.read()).decode()
# 确保编码后的图像大小小于180,000字节，否则需要使用资产API
assert len(image_b64)<180_000, \
"To upload larger images, use the assets API (see docs)"
# 准备请求头，需要API密钥进行身份验证
headers ={"Authorization":"Bearer $API_KEY_REQUIRED_IF_EXECUTING_OUTSIDE_NGC","Accept":"text/event-stream"if stream else"application/json"}
# 准备请求负载，包含用户消息、最大令牌数、温度等参数
payload ={"messages":[{"role":"user","content": f'Generate underlying data table of the figure below: <img src="data:image/png;base64,{image_b64}" />'}],"max_tokens":1024,"temperature":0.20,"top_p":0.20,"stream": stream
}
# 发送POST请求到指定的推理URL
response = requests.post(invoke_url, headers=headers, json=payload)
# 根据是否开启流式传输，处理响应
if stream:for line in response.iter_lines():if line:print(line.decode("utf-8"))else:print(response.json())
这段代码的主要功能是使用NVIDIA的AI模型进行图像分析，并生成图像的底层数据表。以下是代码的详细解释：
1. 导入必要的库：
import requests, base64：导入requests库用于发送HTTP请求，导入base64库用于进行base64编码。
设置推理URL和流式传输标志：
- invoke_url = “https://ai.api.nvidia.com/v1/vlm/google/deplot”：设置推理URL。
- stream = True：设置流式传输标志为True。
2. 以二进制模式打开图像文件并进行base64编码：
- with open(“economic-assistance-chart.png”, “rb”) as f:：以二进制模式打开名为economic-assistance-chart.png的图像文件。
- image_b64 = base64.b64encode(f.read()).decode()：将图像文件读取为字节流，然后进行base64编码，并将结果转换为字符串。
3. 确保编码后的图像大小小于180,000字节：
- assert len(image_b64) < 180_000, “To upload larger images, use the assets API (see docs)”：确保编码后的图像大小小于180,000字节，否则需要使用资产API。
4. 准备请求头：
- headers = {…}：准备请求头，需要API密钥进行身份验证。
- 准备请求负载：
- payload = {…}：准备请求负载，包含用户消息、最大令牌数、温度等参数。
- 发送POST请求到指定的推理URL：
- response = requests.post(invoke_url, headers=headers, json=payload)：发送POST请求到指定的推理URL。 根据是否开启流式传输，处理响应：
- if stream:：如果开启了流式传输，则逐行处理响应。
- else:：如果没有开启流式传输，则直接打印响应的JSON格式。
总的来说，这段代码通过发送HTTP请求到NVIDIA的AI模型，对图像进行分析并生成底层数据表。
可以得到以下的结果：
# 提取content字段
contents =[item['content']for item in data if'content'in item]
# 打印提取到的content字段
for content in contents:print(content)
那么试一下识别图片文本呢？看看是什么效果：
可以看出好像打印英文没有问题，中文识别还是有点小小距离的：
更换英文的图片进行识别：
好像识别不出来，试试其它的模型呢？
OcdrNet
申请地址
https://build.nvidia.com/nvidia/ocdrnet?snippet_tab=Python
模型介绍
用于光学字符检测和识别的预训练模型
import os
import sys
import uuid
import zipfile
import requests
# NVCFAPI 的OC DRNet模型端点
nvai_url ="https://ai.api.nvidia.com/v1/cv/nvidia/ocdrnet"
# 授权头，需要API key，如果在NGC之外执行
header_auth = f"Bearer $API_KEY_REQUIRED_IF_EXECUTING_OUTSIDE_NGC"
def _upload_asset(input, description):"""
上传一个资产到NVCFAPI。
:param input: 要上传的二进制资产
:param description: 资产的描述
:return: 资产ID（UUID对象）
"""
assets_url ="https://api.nvcf.nvidia.com/v2/nvcf/assets"
# 设置请求头
headers ={"Authorization": header_auth,"Content-Type":"application/json","accept":"application/json",}
# 设置S3请求头
s3_headers ={"x-amz-meta-nvcf-asset-description": description,"content-type":"image/jpeg",}
# 设置请求负载
payload ={"contentType":"image/jpeg","description": description}
# 发送POST请求以获取上传URL和资产ID
response = requests.post(assets_url, headers=headers, json=payload, timeout=30)
response.raise_for_status()
asset_url = response.json()["uploadUrl"]
asset_id = response.json()["assetId"]
# 发送PUT请求上传资产
response = requests.put(
asset_url,
data=input,
headers=s3_headers,
timeout=300,)
response.raise_for_status()
# 返回资产IDreturn uuid.UUID(asset_id)if __name__ =="__main__":"""
上传一张自选图片到NVCFAPI，并向光学字符检测和识别模型发送请求。
响应保存到本地目录。
注意：必须设置环境变量NGC_PERSONAL_API_KEY。
"""
# 检查命令行参数数量
iflen(sys.argv)!=3:print("Usage: python test.py <image> <output_dir>")
sys.exit(1)
# 上传资产并获取资产ID
asset_id =_upload_asset(open(sys.argv[1],"rb"),"Input Image")
# 设置请求负载
inputs ={"image": f"{asset_id}","render_label": False}
# 设置资产列表
asset_list = f"{asset_id}"
# 设置请求头
headers ={"Content-Type":"application/json","NVCF-INPUT-ASSET-REFERENCES": asset_list,"NVCF-FUNCTION-ASSET-IDS": asset_list,"Authorization": header_auth,}
# 发送POST请求到OC DRNet模型
response = requests.post(nvai_url, headers=headers, json=inputs)
# 保存响应内容到本地ZIP文件
withopen(f"{sys.argv[2]}.zip","wb")as out:
out.write(response.content)
# 解压ZIP文件到输出目录
with zipfile.ZipFile(f"{sys.argv[2]}.zip","r")as z:
z.extractall(sys.argv[2])
# 输出保存目录和目录内容
print(f"Output saved to {sys.argv[2]}")print(os.listdir(sys.argv[2]))
标签：
人工智能
本文转载自: https://blog.csdn.net/2401_86049470/article/details/143100444
版权归原作者 2401_86049470 所有， 如有侵权，请联系我们删除。
版权归原作者 2401_86049470 所有， 如有侵权，请联系我们删除。