可在线运行的notebook链接：在kaggle网站搜索

Qwen-VL-Chat

首先安装依赖包：

接着加载模型：（注意我这里开启了bf16，起到了量化模型的作用，因此推理效果会比源模型差，若电脑性能较好可以关闭bf16）

然后我们即可将图像和指令词传递给模型推理：

不仅如此，该模型还可以检测到图像中的物体位置，并返回相应的图像供我们参考：

当然，该模型是多模态模型，将文本和图像关联起来。若设置多种组合可能会起到意想不到的效果，大家可以进行尝试