minimind-v

环境要求

• Python 3.10（作者实测环境）
• NVIDIA GPU（作者使用 RTX 3090 24GB，SFT 1 epoch 约 2 小时）
• CUDA 12.2（作者实测环境，Ubuntu 20.04）
• requirements.txt 中的 Python 依赖

安装与启动步骤

1. 1克隆项目仓库

   从 GitHub 拉取 minimind-v 源码到本地，后续所有命令都在该目录内执行。

   git clone https://github.com/jingyaogong/minimind-v.git

   复制

2. 2进入项目目录

   切换到刚克隆下来的项目根目录，确认能看到 requirements.txt 等文件。

   cd minimind-v

   复制

3. 3确认软硬件环境

   README 实测为 Ubuntu 20.04 + CUDA 12.2 + Python 3.10 + RTX 3090(24GB)。环境不符时可能无法训练。

4. 4安装项目依赖

   按 README 给出的命令安装依赖，并使用清华 PyPI 镜像加速下载。建议在虚拟环境中执行。

   pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

   复制

5. 5在线体验（可选）

   不想本地部署时，可直接打开官方 ModelScope 在线体验页试用 MiniMind-V 的识图与对话能力。

6. 6启动 WebUI（可选）

   README 有“启动 WebUI（可选）”小节，但节选内容未给出具体启动命令，请以仓库最新文档为准。

7. 7运行/续训 SFT 示例

   README 给出的训练中断续训命令，--from_resume 1 表示从检查点继续，--epochs 4 指定训练轮数。

   python train_sft_vlm.py --epochs 4 --from_resume 1

   复制

关键配置

如何确认成功

README 未给出明确启动验证命令；可先访问 ModelScope 在线体验页确认效果，再本地跑推理或训练脚本观察日志。

常见问题

注意事项

• 项目基于 Apache 2.0 协议开源，完全免费使用。
• “2 小时”指 SFT 阶段在单张 NVIDIA 3090 上跑完 1 epoch 的实测耗时，“3 块钱”指对应时段的 GPU 租用成本。
• README 节选未包含数据集下载、权重获取和 WebUI 启动的具体命令，请以仓库最新文档为准。
• MiniMind-V 是纯语言模型 MiniMind 的视觉能力拓展，多模态 Omni 版本见 MiniMind-O 仓库。