只管模型在演习的各个阶段都尽力确保数据的合规性和准确性，但由于 MiniCPM-V 模型规模较小，且模型受概率随机性成分影响，无法担保输出内容的准确。同时模型的输出随意马虎被用户的输入误导。
本项目不承担开源模型和代码导致的数据安全、舆情风险或发生任何模型被误导、滥用、传播、不当利用而产生的风险和任务。更多详细信息见 Github 仓库。
二、支配过程根本环境最低哀求解释：
环境名称
版本信息1
Ubuntu
22.04.4 LTS
Cuda
V12.1.105
Python
3.10.14
NVIDIA Corporation
RTX 3090
1. 更新根本软件包：查看系统版本信息
# 查看系统版本信息，包括ID（如ubuntu、centos等）、版本号、名称、版本号ID等cat /etc/os-release
配置 apt 海内源
# 更新软件包列表apt-get update
这个命令用于更新本地软件包索引。它会从所有配置的源中检索最新的软件包列表信息，但不会安装或升级任何软件包。这是安装新软件包或进行软件包升级之前的推举步骤，由于它确保了您获取的是最新版本的软件包。
# 安装 Vim 编辑器apt-get install -y vim
这个命令用于安装 Vim 文本编辑器。-y 选项表示自动回答所有的提示为“是”，这样在安装过程中就不须要手动确认。Vim 是一个非常强大的文本编辑器，广泛用于编程和配置文件的编辑。
为了安全起见，先备份当前的sources.list 文件之后，再进行修正：
# 备份现有的软件源列表cp /etc/apt/sources.list /etc/apt/sources.list.bak
这个命令将当前的sources.list 文件复制为一个名为sources.list.bak 的备份文件。这是一个好习气，由于编辑sources.list 文件时可能会出错，导致无法安装或更新软件包。有了备份，如果涌现问题，您可以轻松地恢复原始的文件。
# 编辑软件源列表文件vim /etc/apt/sources.list
这个命令利用 Vim 编辑器打开sources.list 文件，以便您可以编辑它。这个文件包含了 APT（Advanced Package Tool）用于安装和更新软件包的软件源列表。通过编辑这个文件，您可以添加新的软件源、变动现有软件源的优先级或禁用某些软件源。
在 Vim 中，您可以利用方向键来移动光标，i 键进入插入模式（可以开始编辑文本），Esc 键退出插入模式，:wq 命令保存变动并退出 Vim，或:q! 命令不保存变动并退出 Vim。
编辑sources.list 文件时，请确保您理解自己在做什么，特殊是如果您正在添加新的软件源。缺点的源可能会导致软件包安装失落败或系统安全问题。如果您不愿定，最好先搜索并找到可靠的源信息，或者咨询有履历的 Linux 用户。
利用 Vim 编辑器打开sources.list 文件，复制以下代码更换sources.list里面的全部代码，配置 apt 海内阿里源。
deb http://mirrors.aliyun.com/ubuntu/ jammy main restricted universe multiversedeb-src http://mirrors.aliyun.com/ubuntu/ jammy main restricted universe multiversedeb http://mirrors.aliyun.com/ubuntu/ jammy-security main restricted universe multiversedeb-src http://mirrors.aliyun.com/ubuntu/ jammy-security main restricted universe multiversedeb http://mirrors.aliyun.com/ubuntu/ jammy-updates main restricted universe multiversedeb-src http://mirrors.aliyun.com/ubuntu/ jammy-updates main restricted universe multiversedeb http://mirrors.aliyun.com/ubuntu/ jammy-backports main restricted universe multiversedeb-src http://mirrors.aliyun.com/ubuntu/ jammy-backports main restricted universe multiverse
安装常用软件和工具
# 更新源列表，输入以下命令：apt-get update# 更新系统软件包，输入以下命令：apt-get upgrade# 安装常用软件和工具，输入以下命令：apt-get -y install vim wget git git-lfs unzip lsof net-tools gcc cmake build-essential
涌现以下页面，解释海内apt源已更换成功，且能正常安装apt软件和工具
2. 安装 NVIDIA CUDA Toolkit 12.1下载 CUDA Keyring ：
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.0-1_all.deb
这个命令用于下载 CUDA 的 GPG 密钥环，它用于验证 CUDA 软件包的署名。这是确保软件包安全性的一个主要步骤。
安装 CUDA Keyring ：dpkg -i cuda-keyring_1.0-1_all.deb
利用dpkg 安装下载的密钥环。这是必要的，以便apt 能够验证从 NVIDIA 仓库下载的软件包的署名。
删除旧的 apt 密钥（如果必要） ：
apt-key del 7fa2af80
这一步可能不是必需的，除非您知道7fa2af80 是与 CUDA 干系的旧密钥，并且您想从系统中删除它以避免稠浊。常日情形下，如果您只是安装 CUDA 并利用 NVIDIA 供应的最新密钥环，这一步可以跳过。
更新 apt 包列表 ：apt-get update
更新 apt 的软件包列表，以便包括刚刚通过cuda-keyring 添加的 NVIDIA 仓库中的软件包。
安装 CUDA Toolkit ：apt-get -y install cuda-toolkit-12-1
涌现以下页面，解释 NVIDIA CUDA Toolkit 12.1 安装成功
把稳：这里可能有一个问题。NVIDIA 官方 Ubuntu 仓库中可能不包含直接名为cuda-toolkit-12-1 的包。常日，您会安装一个名为cuda 或cuda-12-1 的元包，它会作为依赖项拉入 CUDA Toolkit 的所有组件。请检讨 NVIDIA 的官方文档或仓库，以确认精确的包名。
如果您正在探求安装特定版本的 CUDA Toolkit，您可能须要安装类似cuda-12-1 的包（如果可用），或者从 NVIDIA 的官方网站下载 CUDA Toolkit 的.run 安装程序进行手动安装。
请确保您查看 NVIDIA 的官方文档或 Ubuntu 的 NVIDIA CUDA 仓库以获取最准确的包名和安装指令。
涌现以上情形，须要配置 NVIDIA CUDA Toolkit 12.1 系统环境变量
编辑 ~/.bashrc 文件
# 编辑 ~/.bashrc 文件vim ~/.bashrc
插入以下环境变量
# 插入以下环境变量export PATH=/usr/local/cuda/bin:$PATHexport LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
激活 ~/.bashrc 文件
# 激活 ~/.bashrc 文件source ~/.bashrc
查看cuda系统环境变量
which nvccnvcc -V
# 下载 Miniconda 安装脚本wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh# 运行 Miniconda 安装脚本bash Miniconda3-latest-Linux-x86_64.sh# 初次安装须要激活 base 环境source ~/.bashrc
按下回车键（enter）
输入yes
输入yes
安装成功如下图所示
pip配置清华源加速
# 编辑 /etc/pip.conf 文件vim /etc/pip.conf
加入以下代码
[global]index-url = https://pypi.tuna.tsinghua.edu.cn/simple
把稳事变：
请确保您的系统是 Linux x86_64 架构，由于下载的 Miniconda 版本是为该架构设计的。在运行安装脚本之前，您可能须要利用chmod+xMiniconda3-latest-Linux-x86_64.sh 命令给予脚本实行权限。安装过程中，您将被提示是否赞许容许协议，以及是否将 Miniconda 初始化。常日选择 "yes" 以完成安装和初始化。安装完成后，您可以利用conda 命令来管理 Python 环境和包。如果链接无法访问或解析失落败，可能是由于网络问题或链接本身的问题。请检讨网络连接，并确保链接是最新的和有效的。如果问题依旧，请访问 Anaconda 的官方网站获取最新的下载链接。4. 从github 仓库克隆项目：克隆存储库：git clone https://github.com/OpenBMB/MiniCPM-V.git切换目录：cd MiniCPM-V这个命令利用cd（change directory）命令切换当前事情目录到刚才克隆的 "MiniCPM-V" 目录中。这意味着接下来实行的所有命令都是在该项目目录下实行。# 克隆 MiniCPM-V 项目git clone https://github.com/OpenBMB/MiniCPM-V.git# 切换到克隆的项目目录中cd MiniCPM-V
如果 github 无法访问，利用海内镜像进行克隆
git clone https://gitee.com/empty-snow/MiniCPM-V.git
# 克隆 MiniCPM-V 项目git clone https://gitee.com/empty-snow/MiniCPM-V.git
涌现以上页面即是克隆项目成功！
请把稳，如果git clone https://github.com/THUDM/ChatGLM3 这个链接不存在或者无效，git clone 命令将不会成功克隆项目，并且会报错。确保链接是有效的，并且您有足够的权限访问该存储库。
5. 创建虚拟环境# 创建一个名为 MiniCPMV 的新虚拟环境，并指定 Python 版本为 3.10conda create -n MiniCPMV python=3.10 -y
# 切换到克隆的项目目录中cd MiniCPM-V激活 MiniCPMV 虚拟环境
# 激活新创建的虚拟环境conda activate MiniCPMV
# 在 MiniCPMV 环境中安装 requirements.txt 依赖pip install -r requirements.txt
依赖安装成功如下图所示：
7. 下载预演习模型：
安装 modelscope 依赖包
pip install modelscope
创建一个Python下载脚本
vim modelscope_download.py
插入以下下载代码
# Python 代码下载模型from modelscope import snapshot_downloadmodel_dir = snapshot_download('OpenBMB/MiniCPM-V-2_6', cache_dir='./', revision='master')
实行 modelscope_download.py 文件进行模型下载
python modelscope_download.py
# 运行 web_demo_2.6.py 文件python web_demo_2.6.py
涌现以上报错，须要修正模型路径
# 编辑 web_demo_2.6.py 文件python web_demo_2.6.py
更换为刚刚下载模型的路径
model_path = 'OpenBMB/MiniCPM-V-2_6'
再次运行 webdemo2.6.py 文件
# 运行 web_demo_2.6.py 文件python web_demo_2.6.py
涌现以上结果，还须要连续修正 webdemo2.6.py 文件的IP和端口，才能进入 gradio 页面
编辑 web_demo_2.6.py 文件vim web_demo_2.6.py
更换为
demo.launch(share=True, debug=True, show_api=False, server_port=8080, server_name="0.0.0.0")
更换解释：servername 为IP地址, serverport 为端口号，根据访问需求进行更换即可
三、网页演示
涌现以下 Gradio 页面，即是模型已搭建完成。
