
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1084
使用教程
ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。
环境要求
- Python 环境(用于运行 web_demo.py 与安装 requirements.txt 依赖)
- 能访问 GitHub 与 HuggingFace 下载代码和模型权重
- 本地需要有 XrayGLM 模型权重目录 checkpoints/checkpoints-XrayGLM-3000
- 建议使用 Linux 环境,Windows 安装 deepspeed 可能出错(可用 requirements_wo_ds.txt 绕过)
安装与启动步骤
-
1获取项目代码
从 GitHub 克隆 XrayGLM 仓库到本地,后续命令都在该目录下执行。
git clone https://github.com/WangRongsheng/XrayGLM.git cd XrayGLM -
2安装项目依赖
在项目根目录执行,安装 requirements.txt 中的全部依赖;国内网络可换用阿里云镜像源加速。
pip install -r requirements.txt -
3国内换源安装
如果官方源太慢,把安装命令换成阿里云镜像,安装内容与上一步一致。
pip install -i https://mirrors.aliyun.com/pypi/simple/ -r requirements.txt -
4绕过 deepspeed 安装
Windows 或不需要训练时可改用 requirements_wo_ds.txt,再单独安装 SwissArmyTransformer。
pip install -i https://mirrors.aliyun.com/pypi/simple/ -r requirements_wo_ds.txt pip install -i https://mirrors.aliyun.com/pypi/simple/ --no-deps "SwissArmyTransformer>=0.3.6" -
5准备模型权重
从项目给出的 HuggingFace 主页(huggingface.co/wangrongsheng)获取权重,按命令要求放到 checkpoints/checkpoints-XrayGLM-3000 目录下。
-
6启动 WebUI 对话
用 --from_pretrained 指定本地权重目录启动 Gradio 网页演示,加载完成后在浏览器操作。
python web_demo.py --from_pretrained checkpoints/checkpoints-XrayGLM-3000
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
--from_pretrained | 是 | 指定本地模型权重所在的目录路径,供 web_demo.py 加载 | checkpoints/checkpoints-XrayGLM-3000 |
如何确认成功
浏览器访问 http://127.0.0.1:7860,能看到 WebUI 页面并可上传胸部 X 光片进行中文问答,即为启动成功。
常见问题
Q:Windows 上安装 deepspeed 报错怎么办?
A:deepspeed 对模型推理并非必要,部分 Windows 环境安装会失败。改用 requirements_wo_ds.txt 安装依赖,再单独执行 pip install --no-deps "SwissArmyTransformer>=0.3.6"。
Q:依赖下载太慢或超时怎么办?
A:在 pip 命令中加入国内镜像源,例如 -i https://mirrors.aliyun.com/pypi/simple/,README 中给出的就是阿里云源的写法。
Q:web_demo.py 找不到模型怎么办?
A:--from_pretrained 必须指向真实存在的权重目录,README 示例为 checkpoints/checkpoints-XrayGLM-3000,请确认权重已放到该路径下。
Q:启动后在哪里使用?
A:启动完成后在浏览器访问 http://127.0.0.1:7860,即可打开 XrayGLM 的 WebUI 界面进行多轮图文对话。
注意事项
- 仓库使用 CC BY-NC-SA 许可,禁止商业用途,使用前请阅读许可条款。
- deepspeed 主要用于支持 sat 库训练,模型推理并不需要,可按需选择是否安装。
- README 中列出 Colab 与 HuggingFace 链接,也可参考官方渠道获取权重与在线体验。
核心亮点
- 首个中文胸片多模态模型,填补中文医学影像理解空白
- 基于VisualGLM-6B,支持多轮对话,可追问影像细节
- 开源权重和训练数据,便于医学AI研究者复现和扩展
不足之处
- 模型规模较小(6B),复杂病例诊断准确性有限
- 文档/社区待观察,部署和微调教程尚不完善
适用场景
- 医院影像科辅助读片,快速生成初步报告
- 医学教学场景,帮助学生理解胸片特征
- 基层医疗远程诊断,提供中文影像解读支持
替代项目
VisualGLM-6B、LLaVA-Med、BioViL-T
同类项目推荐
ITINERA
开源
让AI按你的喜好,规划出能走通的城市行程
[EMNLP 2024 Industry Track & KDD UrbComp 2024 Best Paper Award] ITINERA: Integrating···
polymarket-paper-trader
开源
让 AI 在预测市场安全练手,零成本回测交易策略。
Paper trading simulator for Polymarket
KARE
开源
用知识图谱社区检索增强医疗预测推理,提升准确性和可解释性。
[ICLR'25] Reasoning-Enhanced Healthcare Predictions with Knowledge Graph Community R···
divination
开源
抛硬币出卦,AI 给你解卦,玩转玄学新体验
AI 算卦 - 随机六次硬币结果,生成卦象,并使用 AI 解读
scientific-agent-skills
开源
装个技能包,让 AI 助手秒变科研搭子
Turn any AI agent into an AI Scientist. The #1 Agent Skills library for science, use···
climsight
开源
用对话式AI,把气候数据变成决策洞察
A next-generation climate information system that uses large language models (LLMs) ···
sec-gemini
开源
用 AI 对话快速研判安全威胁,帮防守方提速
Sec-Gemini is a cutting-edge AI model designed to enhance cybersecurity capabilitie···
CASSIA
开源
多智能体 LLM 自动给单细胞测出细胞类型
CASSIA: A Multi-Agent LLM-Based Single-Cell Cell Type Annotation Framework
open-fdd
开源
给空调系统做体检,自动揪出隐藏故障
Fault Detection Diagnostics (FDD) for HVAC datasets