DeepSeek最新多模态大模型：Janus-Pro-7B本地部署完全指南

专题：DeepSeek为何能震动全球AI圈

　　来源：小蔡AI实验室

　　最近DeepSeek王炸不断，刚刚出了火爆全球的R1大模型，但还有大招没放！

　　就在刚刚，准备在多模态大模型正掀起新一轮技术革命浪潮！

　　DeepSeek新出的Janus-Pro-7B系列作为业界首个理解-生成一体化架构的尖端模型，实现了：

　　🔥 五大颠覆性优势 ✅ 视觉问答准确率超越GPT-4V ✅ 文生图质量超越DALL·E3、Stable Diffusion 3 ✅ 单卡即可运行的高效推理 ✅ 企业级数据隐私安全保障

　　本教程将带您完成15分钟极速部署，R1大模型只要你机器够，理论上也可以部署哦。

项目地址：https：//github.com/deepseek-ai/Janus？tab=readme-ov-file#simple-inference-example-1

模型地址：https：//huggingface.co/deepseek-ai/Janus-Pro-7B/discussions

　　环境要求

操作系统： Linux/Windows （推荐 Ubuntu 20.04+）

Python： 3.8+

CUDA： 11.7+ （需与PyTorch版本匹配）

GPU：显存 ≥16GB （Janus-Pro-7B需≥24GB）

存储空间： ≥30GB 可用空间

　　快速部署

　　1．克隆代码库

　　git clone https：//github.com/deepseek-ai/Janus.gitcd Janus

　　2．创建虚拟环境

　　conda create -n janus python=3.8 -yconda activate janus// 这一步也可以使用pycharm代替

　　3．安装依赖

　　pip install torch==2.0.1+cu117 --index-url https：//download.pytorch.org/whl/cu117pip install -r requirements.txtpip install -e ．[gradio] # 安装Gradio扩展

　　安装完成后如下：

　　模型下载

　　方法一：使用 huggingface-cli 工具

　　安装下载工具

　　pip install huggingface_hub

　　下载完整模型（推荐）

　　# 下载7B版本到指定目录huggingface-cli download deepseek-ai/Janus-Pro-7B \ --local-dir ．/models/Janus-Pro-7B \ --resume-download \ --cache-dir ．/cache

　　下载指定文件

　　# 下载配置文件huggingface-cli download deepseek-ai/Janus-Pro-7B config.json --local-dir ．/models# 下载核心模型文件huggingface-cli download deepseek-ai/Janus-Pro-7B pytorch_model.bin --local-dir ．/models

　　下载参数说明

　　| | | | | --- | --- | --- | | 参数 | 说明 | 示例 | | --local-dir | 指定下载目录 | --local-dir ．/models | | --cache-dir | 设置缓存路径 | --cache-dir ．/cache | | --resume-download | 断点续传 | 自动续传中断的下载 | | --revision | 指定版本分支 | --revision main |

　　方法二：代码自动下载

　　from transformers import AutoModelForCausalLM# 自动下载到缓存目录model = AutoModelForCausalLM.from_pretrained（“deepseek-ai/Janus-Pro-7B”）# 指定本地路径（需先通过huggingface-cli下载）model = AutoModelForCausalLM.from_pretrained（“．/models/Janus-Pro-7B”）

　　使用示例

　　加载本地模型

　　model_path = “．/models/Janus-Pro-7B” # 指向下载目录processor = VLChatProcessor.from_pretrained（model_path）model = MultiModalityCausalLM.from_pretrained（model_path）．to（“cuda”）

　　常见问题

　　下载速度慢

使用国内镜像源：

　　HF_ENDPOINT=https：//hf-mirror.com huggingface-cli download．．．

开启多线程下载：

　　huggingface-cli download ．．． --workers 8

　　文件校验失败

　　执行完整性校验：

　　huggingface-cli download ．．． --force-redownload

　　技术说明

模型文件结构：

Janus-Pro-7B/├── config.json├── pytorch_model.bin├── tokenizer_config.json└── special_tokens_map.json

缓存机制：默认缓存路径为 ~/．cache/huggingface/hub，可通过 --cache-dir 自定义

　　手动下载

访问HuggingFace仓库

下载Janus-Pro-7B模型文件

解压到本地目录．/models/Janus-Pro-7B

　　使用示例

　　多模态理解

　　# inference_demo.pyimport torchfrom janus.models import MultiModalityCausalLM， VLChatProcessormodel_path = “．/models/Janus-Pro-7B”processor = VLChatProcessor.from_pretrained（model_path）model = MultiModalityCausalLM.from_pretrained（model_path）．to（“cuda”）# 构建对话conversation = [ { “role”： “<|User|>”， “content”： “\n描述这张图片的内容”， “images”： [“sample.jpg”] }， {“role”： “<|Assistant|>”， “content”： “”}]# 处理输入并生成响应inputs = processor（conversations=conversation）outputs = model.generate（**inputs）print（processor.decode（outputs[0]））

　　文生图功能

　　# generate_image.pyfrom janus.utils import generate_imageprompt = “夕阳下的雪山，山脚下有蓝色的湖泊”generate_image（ model_path=“．/models/Janus-Pro-7B”， prompt=prompt， output_dir=“．/outputs”， num_images=4）

　　Gradio 本地演示

　　# 启动文本交互界面python demo/app_text.py --model-path ．/models/Janus-Pro-7B# 启动多模态界面python demo/app_multimodal.py \ --model-path ．/models/Janus-Pro-7B \ --port 7860

　　访问 http://localhost：7860 使用交互界面