DeepSeek Janus-Pro का स्थानीय रूप से उपयोग कैसे करें

DeepSeek, एक चीनी AI स्टार्टअप, ने वैश्विक AI उद्योग में हलचल मचा दी है—अमेरिकी स्टॉक एक्सचेंजों से $1 ट्रिलियन का सफाया करते हुए और Nvidia व OpenAI जैसे टेक दिग्गजों को झकझोरते हुए। यह टेक्स्ट जेनरेशन, रीजनिंग, विज़न मॉडल और इमेज जेनरेशन में तेज़ी से अग्रणी बनकर उभरा है। हाल ही में DeepSeek ने अत्याधुनिक मॉडल लॉन्च किए हैं, जिनमें Janus शामिल है—एक मल्टीमॉडल मॉडल जो दृश्य डेटा को समझने और टेक्स्ट से इमेज बनाने में सक्षम है।

चित्र: लेखक द्वारा

इस ट्यूटोरियल में, हम Janus सीरीज़ के बारे में जानेंगे, Janus प्रोजेक्ट सेटअप करेंगे, मॉडल को लोकल चलाने के लिए एक Docker कंटेनर बनाएंगे, और अलग-अलग इमेज व टेक्स्ट प्रॉम्प्ट्स के साथ इसकी क्षमताओं का परीक्षण करेंगे।

DeepSeek के वे मॉडल जानें जो वैश्विक AI उद्योग में बदलाव ला रहे हैं:

• DeepSeek-V3: डेमो प्रोजेक्ट के साथ एक गाइड
• DeepSeek-R1: फीचर्स, o1 तुलना, डिस्टिल्ड मॉडल्स और अधिक

DeepSeek Janus-Series क्या है?

DeepSeek Janus-Series मल्टीमॉडल मॉडलों की एक नई श्रृंखला है, जिसे अभिनव फ्रेमवर्क का उपयोग करके दृश्य समझ और जेनरेशन कार्यों को एकीकृत करने के लिए डिज़ाइन किया गया है। इस श्रृंखला में Janus, JanusFlow और उन्नत Janus-Pro शामिल हैं—हर संस्करण अपने पूर्ववर्ती पर आधारित है और दक्षता, प्रदर्शन, तथा मल्टीमॉडल क्षमताओं में उल्लेखनीय सुधार लाता है।

1. Janus

Janus एक अभिनव ऑटोरिग्रेसिव फ्रेमवर्क है, जो विज़ुअल इनकोडिंग को समझने और जेनरेशन कार्यों के लिए अलग-अलग पाथवे में विभाजित करता है, जबकि ट्रांसफॉर्मर आर्किटेक्चर को एकीकृत रखता है। यह दृष्टिकोण इन भूमिकाओं के बीच टकराव को हल करता है, लचीलापन और प्रभावशीलता बढ़ाता है। Janus कार्य-विशिष्ट मॉडलों की बराबरी करता है या उनसे आगे निकल जाता है, जिससे यह अगली पीढ़ी के मल्टीमॉडल सिस्टम्स के लिए एक मज़बूत दावेदार बनता है।

2. JanusFlow

JanusFlow ऑटोरिग्रेसिव भाषा मॉडलिंग को rectified flow—जो कि अत्याधुनिक जेनरेटिव मॉडलिंग तकनीक है—के साथ जोड़ता है। इसका मिनिमलिस्टिक डिज़ाइन बड़े भाषा मॉडल फ्रेमवर्क्स के भीतर बिना जटिल संशोधनों के आसान प्रशिक्षण सक्षम करता है। बेंचमार्क्स पर JanusFlow विशेषीकृत और एकीकृत दोनों तरीकों की तुलना में बेहतर प्रदर्शन दिखाता है, और विज़न-लैंग्वेज मॉडलिंग की सीमाओं को प्रभावी ढंग से आगे बढ़ाता है।

3. Janus-Pro

Janus-Pro पिछले मॉडलों को उन्नत प्रशिक्षण रणनीतियाँ, विस्तृत प्रशिक्षण डेटासेट्स और बड़े मॉडल आकारों तक स्केलिंग के जरिए बेहतर बनाता है। ये प्रगति मल्टीमॉडल समझ और टेक्स्ट-टू-इमेज निर्देश-अनुसरण को काफी हद तक सुधारती हैं और अधिक स्थिर टेक्स्ट-टू-इमेज जेनरेशन सुनिश्चित करती हैं।

स्रोत: deepseek-ai/Janus

और पढ़ें: DeepSeek का Janus-Pro: फीचर्स, DALL-E 3 तुलना और अधिक ताकि Janus सीरीज़, उसकी पहुँच के तरीकों और OpenAI के DALL-E 3 से उसकी तुलना के बारे में अधिक जानें।

Janus प्रोजेक्ट सेटअप करना

Janus अपेक्षाकृत नया मॉडल है, और वर्तमान में लैपटॉप या डेस्कटॉप पर आसान उपयोग के लिए इसके क्वांटाइज़्ड संस्करण या स्थानीय AI एप्लिकेशन उपलब्ध नहीं हैं। 

हालाँकि, GitHub पर Janus रिपोजिटरी किसी के लिए भी आज़माने हेतु एक उत्कृष्ट Gradio वेब एप्लिकेशन डेमो प्रदान करती है। चुनौती यह है कि पैकेज संघर्षों के कारण यह डेमो अक्सर काम नहीं करता।

इस समस्या को दूर करने के लिए, इस प्रोजेक्ट में हम मूल कोड में संशोधन करेंगे, अपना Docker इमेज बनाएंगे और Docker Desktop एप्लिकेशन का उपयोग करके कंटेनर को लोकल चलाएँगे। 

1. Docker Desktop इंस्टॉल करें

शुरू करने के लिए, आधिकारिक Docker वेबसाइट से Docker Desktop का नवीनतम संस्करण डाउनलोड और इंस्टॉल करें।

Windows उपयोगकर्ताओं के लिए नोट:

यदि आप Windows उपयोग कर रहे हैं, तो आपको Windows Subsystem for Linux (WSL) भी इंस्टॉल करना होगा। WSL इंस्टॉल करने के लिए टर्मिनल खोलें और निम्न कमांड चलाएँ:

wsl --installसंचालित द्वारा

2. Janus रिपोजिटरी क्लोन करें

अगला कदम, GitHub से Janus रिपोजिटरी क्लोन करें और प्रोजेक्ट डायरेक्टरी में जाएँ:

git clone https://github.com/deepseek-ai/Janus.git
cd Janusसंचालित द्वारा

3. डेमो कोड संशोधित करें

डेमो फ़ोल्डर में जाएँ और अपनी पसंद के कोड एडिटर में app_januspro.py फ़ाइल खोलें। निम्न बदलाव करें:

1. मॉडल का नाम बदलें: deepseek-ai/Janus-Pro-7B को deepseek-ai/Janus-Pro-1B से बदल दें।

यह मॉडल का हल्का संस्करण लोड करेगा, जिसका आकार केवल 4.1 GB है—स्थानीय उपयोग के लिए अधिक उपयुक्त।

2. स्क्रिप्ट की अंतिम पंक्ति अपडेट करें: demo.queue फ़ंक्शन को निम्न के रूप में संशोधित करें:

demo.queue(concurrency_count=1, max_size=10).launch(
    server_name="0.0.0.0", server_port=7860
)संचालित द्वारा

यह बदलाव Docker URL और पोर्ट के साथ अनुकूलता सुनिश्चित करता है।

4. Docker इमेज बनाएं

एप्लिकेशन को कंटेनराइज़ करने के लिए, प्रोजेक्ट की रूट डायरेक्टरी में एक Dockerfile बनाएँ। Dockerfile के लिए निम्न सामग्री का उपयोग करें:

# Use the PyTorch base image
FROM pytorch/pytorch:latest

# Set the working directory inside the container
WORKDIR /app

# Copy the current directory into the container
COPY . /app

# Install necessary Python packages
RUN pip install -e .[gradio]

# Set the entrypoint for the container to launch your Gradio app
CMD ["python", "demo/app_januspro.py"]संचालित द्वारा

Dockerfile यह करेगा: 

• PyTorch बेस इमेज का उपयोग करके एक Docker इमेज बनाएगा।
• कंटेनर के अंदर वर्किंग डायरेक्टरी सेट करेगा।
• आपकी लोकल मशीन से सभी आवश्यक फाइलें Docker कंटेनर के /app डायरेक्टरी में कॉपी करेगा।
• एप्लिकेशन के लिए सभी आवश्यक डिपेंडेंसीज़ इंस्टॉल करेगा।
• अंत में, कंटेनर के भीतर Gradio एप्लिकेशन लॉन्च करेगा।

Docker इमेज बनाना और चलाना 

जब Dockerfile तैयार हो जाए, तो हम Docker इमेज बनाएंगे और कंटेनर चलाएँगे।

आप Introduction to Docker कोर्स लेकर Docker इमेज बनाने और डिप्लॉय करने की बुनियादी बातें सीख सकते हैं। 

Docker इमेज बनाने के लिए टर्मिनल में निम्न कमांड टाइप करें। यह कमांड रूट फ़ोल्डर में मौजूद Dockerfile का उपयोग करेगी और इमेज को janus नाम देगी:

docker build -t janus . संचालित द्वारा

शुरू से इमेज बनाने में आपके इंटरनेट की गति के आधार पर 10 से 15 मिनट लगते हैं। 

निम्न कमांड Janus एप्लिकेशन के लिए एक Docker कंटेनर शुरू करती है। यह GPU सपोर्ट सक्षम करती है, Gradio ऐप तक पहुँच के लिए पोर्ट 7860 मैप करती है, और Hugging Face मॉडल फाइलों के लिए स्थायी स्टोरेज सुनिश्चित करती है।

docker run -it -p 7860:7860 -d -v huggingface:/root/.cache/huggingface -w /app --gpus all --name janus janus:latestसंचालित द्वारा

यदि आप Docker Desktop एप्लिकेशन खोलते हैं और “Containers” टैब में जाते हैं, तो आप देखेंगे कि janus कंटेनर चल रहा है। हालाँकि, यह अभी उपयोग के लिए तैयार नहीं है।

प्रगति देखने के लिए, janus कंटेनर पर क्लिक करें और “Logs” टैब पर जाएँ। यहाँ आप देखेंगे कि कंटेनर Hugging Face Hub से मॉडल फ़ाइल डाउनलोड कर रहा है।

जब मॉडल सफलतापूर्वक डाउनलोड हो जाता है, तो लॉग्स में एप्लिकेशन के चलने का संदेश दिखाई देगा।

इसके बाद आप अपने ब्राउज़र में यह URL खोलकर एप्लिकेशन तक पहुँच सकते हैं: http://localhost:7860/.

यदि आपको समस्याएँ आ रही हैं, तो Janus प्रोजेक्ट का अपडेटेड संस्करण यहाँ देखें: kingabzpro/Janus: Janus-Series.

Janus Pro मॉडल का परीक्षण

वेब ऐप का इंटरफेस साफ़-सुथरा है और सब कुछ सुचारू रूप से काम करता दिख रहा है। इस खंड में, हम Janus Pro की मल्टीमॉडल समझ और टेक्स्ट-टू-इमेज जेनरेशन क्षमताओं का परीक्षण करेंगे।

मल्टीमॉडल समझ का परीक्षण

मॉडल की मल्टीमॉडल समझ का आकलन करने के लिए, हम पहले DataCamp ट्यूटोरियल से एक इमेज लोड करते हैं और मॉडल से उसे समझाने को कहते हैं। परिणाम प्रभावशाली हैं—यहाँ तक कि छोटे 1B मॉडल के साथ भी प्रतिक्रिया अत्यंत सटीक और विस्तृत है।                                                                                                    

अगले चरण में, हम एक और इमेज लोड करते हैं और मॉडल से किसी इन्फोग्राफिक की सामग्री का सार बताने को कहते हैं। मॉडल इमेज के भीतर के टेक्स्ट को सफलतापूर्वक समझता है और अत्यंत सटीक व सुसंगत उत्तर देता है। यह दर्शाता है कि मॉडल में दृश्य और पाठ्य दोनों तत्वों को प्रोसेस और इंटरप्रेट करने की मज़बूत क्षमता है।

टेक्स्ट-टू-इमेज जेनरेशन का परीक्षण

ऐप को नीचे स्क्रॉल करने पर आपको “Text-to-Image Generation” सेक्शन मिलेगा। यहाँ आप अपनी पसंद का प्रॉम्प्ट दर्ज करें और “Generate Images” बटन पर क्लिक करें। मॉडल पाँच विविधताएँ बनाता है, जिसे पूरा होने में कुछ मिनट लग सकते हैं।

नतीजे काबिले-ध्यान हैं—गुणवत्ता और विवरण के मामले में आउटपुट Stable Diffusion XL के समकक्ष हैं।

आप सीख सकते हैं कि अपनी व्यक्तिगत इमेज पर DreamBooth और LoRA के साथ Stable Diffusion XL को फाइन-ट्यून कैसे करें। 

आइए एक और प्रॉम्प्ट आज़माएँ:

प्रॉम्प्ट:

“छवि में एक जटिल ढंग से डिज़ाइन की गई आँख दिखाई गई है, जो एक गोलाकार पृष्ठभूमि पर स्थित है और उस पर सुडौल घुमावदार पैटर्न बने हैं, जो यथार्थवाद और सूरीअलिज्म—दोनों की झलक देते हैं। केंद्र में ध्यान आकर्षित करता है गहरा नीला आईरिस, जिसके चारों ओर महीन शिराएँ पुतली से बाहर की ओर फैलती हैं और गहराई व तीव्रता पैदा करती हैं। बरौनियाँ लंबी और गहरी हैं, जो उनके चारों ओर की त्वचा पर हल्की छाया डालती हैं—त्वचा चिकनी होने के बावजूद हल्की बनावट लिए हुए है, मानो समय के साथ पुरानी या मौसम-खाई हो।

आँख के ऊपर, पत्थर जैसी संरचना दिखती है जो शास्त्रीय वास्तुकला का हिस्सा प्रतीत होती है, जो रचना में रहस्य और कालातीत शान की परतें जोड़ती है। यह स्थापत्य तत्व आस-पास के जैविक वक्रों से तीखे लेकिन सामंजस्यपूर्ण विरोध में है। आँख के नीचे, बारोक कला की याद दिलाने वाला एक अन्य सजावटी रूपांकन दिखाई देता है, जो प्रत्येक बारीकी से गढ़े गए विवरण में समाहित अनंतता की समग्र अनुभूति को और प्रबल करता है।

समग्र वातावरण एक रहस्यमय आभा बिखेरता है, जो यथार्थपरक बनावटों और सूरीअल कलात्मक अलंकरणों के संयोजन से सहजता से बुना गया है। प्रत्येक घटक—आँख को घेरते जटिल डिज़ाइनों से लेकर ऊपर की प्राचीन दिखने वाली पत्थर की आकृति तक—अपना विशिष्ट योगदान देता है, एक दृष्टिगत रूप से मोहक, रहस्यमय आकर्षण से युक्त टेबलो रचते हुए।””

एक बार फिर, नतीजे शानदार हैं। उत्पन्न इमेजेज़ प्रॉम्प्ट में वर्णित सूक्ष्म विवरण और सूरीअल कलात्मक तत्वों को बखूबी दर्शाती हैं।

निष्कर्ष

मॉडल की पूरी क्षमताओं का परीक्षण करने हेतु, DeepSeek ने Hugging Face Spaces पर इसी वेब एप्लिकेशन संस्करण को डिप्लॉय किया है। आप इसे यहाँ एक्सेस कर सकते हैं: Chat With Janus-Pro-7B। Janus Pro मॉडल की एक प्रमुख विशेषता इसकी उच्च सटीकता है—यहाँ तक कि 1B जैसे छोटे वेरिएंट का उपयोग करने पर भी।

इस ट्यूटोरियल में, हमने Janus Pro का अन्वेषण किया—एक मल्टीमॉडल मॉडल जो इमेज को समझने और टेक्स्ट प्रॉम्प्ट्स से इमेज बनाने—दोनों में सक्षम है। इसके अतिरिक्त, हमने लैपटॉप GPU पर निजी तौर पर मॉडल का उपयोग करने के लिए अपना लोकल समाधान बनाया। यह सेटअप तेज, कुशल है और सीमित संसाधनों के साथ भी आपको स्वतंत्र रूप से प्रयोग करने देता है।

हमारी नवीनतम गाइड देखें: Fine-Tuning DeepSeek R1 (Reasoning Model)। आप मेडिकल चेन-ऑफ-थॉट डेटासेट पर रीजनिंग मॉडल को ट्रेन करना सीखेंगे ताकि भविष्य के लिए बेहतर AI डॉक्टर बनाए जा सकें।