🚀 快速阅读

1. 功能：支持多种医疗任务，包括医学影像处理、报告生成等。

2. 技术：基于多模态大型语言模型（MLLM），集成多种医疗工具。

3. 性能：在多个医疗任务上优于现有开源方法，甚至超过闭源模型 GPT-4o。

正文（附运行示例）

MMedAgent 是什么

MMedAgent 是专为医疗领域设计的多模态AI智能体，通过整合各种开源医疗模型来管理多种医疗任务。系统包括一个指令调整的多模态大型语言模型（MLLM），作为行动规划器和结果聚合器，以及一套为代理量身定制的医疗工具集合，每个工具都针对医疗领域的特定任务。

MMedAgent 能处理包括 MRI、CT、X 射线等多种医学成像模式，支持临床实践中遇到的多种数据类型。通过理解用户指令和医学影像，生成格式化指令调用特定工具，聚合工具的输出以准确、全面地回复用户。MMedAgent 在多个医疗任务上的性能优于现有的开源方法，甚至超过了闭源模型 GPT-4o。

MMedAgent 的主要功能

• 多模态任务处理：支持接地、分割、分类、医学报告生成（MRG）和检索增强生成（RAG）等多种语言和多模态任务。

• 医疗影像支持：支持 MRI、CT 和 X 射线等多种医学成像模式，适应临床实践中遇到的各种数据类型。

• 工具集成与调用：集成了多个工具，涵盖七个代表性的医疗任务，能根据用户指令选择合适的工具进行调用。

• 指令微调：通过创建指令调整数据集，训练多模态大型语言模型（MLLM）作为动作规划器，理解和执行用户指令。

• 结果聚合：MLLM 作为结果聚合器，将工具的输出与用户的指令和图像结合，生成最终答案。

• 端到端训练：通过自回归目标对生成的序列进行端到端训练，确保模型能使用正确的工具并根据工具结果回答问题。

MMedAgent 的技术原理

• 系统架构：由两个主要部分组成：一个指令调整的多模态大型语言模型（MLLM），作为行动规划器和结果聚合器；以及为代理量身定制的医疗工具集合，每个工具都针对医疗领域的特定任务。

• 工作流程：包括四个步骤：用户提供指令和医疗图像；MLLM 理解指令和图像，生成格式化指令以调用特定工具；执行工具并返回结果；MLLM 将工具的输出与用户指令和图像结合，生成最终答案。

• 指令微调：采用统一的对话格式来确保其作为行动规划器和结果聚合器的角色。在接收到用户输入后，MMedAgent 生成三个部分：Thought（思想）、API Name 和 API Params（API 名称和参数）、Value（价值）。

• 自回归目标训练：通过自回归目标对生成的序列进行端到端训练，确保模型能够使用正确的工具并根据工具的结果回答问题。

如何运行 MMedAgent

1. 克隆仓库

git clone https://github.com/Wangyixinxin/MMedAgent.git   

2. 创建环境

cd MMedAgent   conda create -n mmedagent python=3.10 -y   conda activate mmedagent   pip install --upgrade pip   pip install -e .   

3. 安装训练所需的额外包

pip install -e ".[train]"   pip install flash-attn --no-build-isolation   

4. 下载模型

git lfs install   git clone https://huggingface.co/andy0207/mmedagent   

5. 训练模型

deepspeed llava/train/train_mem.py \       --lora_enable True --lora_r 128 --lora_alpha 256 --mm_projector_lr 2e-5 \       --deepspeed ./scripts/zero2.json \       --model_name_or_path ./base_model  \       --version v1\       --data_path ./train_data_json/example.jsonl \       --image_folder ./train_images \       --vision_tower openai/clip-vit-large-patch14-336 \       --mm_projector_type mlp2x_gelu \       --mm_vision_select_layer -2 \       --mm_use_im_start_end False \       --mm_use_im_patch_token False \       --image_aspect_ratio pad \       --group_by_modality_length False \       --bf16 True \       --output_dir ./checkpoints/final_model_lora \       --num_train_epochs 30 \       --per_device_train_batch_size 12 \       --per_device_eval_batch_size 1 \       --gradient_accumulation_steps 2 \       --evaluation_strategy "no" \       --save_strategy "steps" \       --save_steps 3000 \       --save_total_limit 2 \       --learning_rate 2e-4 \       --weight_decay 0. \       --warmup_ratio 0.03 \       --lr_scheduler_type "cosine" \       --logging_steps 1 \       --tf32 True \       --model_max_length 2048 \       --gradient_checkpointing True \       --dataloader_num_workers 4 \       --lazy_preprocess True \       --report_to wandb   

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】