0，背景
最近测试Ollama，发现之前直接下载开源模型在我电脑上都跑不动的模型，居然也能运行了（AMD 7840HS核显/32GB内存），突发奇想那些多模态大模型能不能基于Python接口使用，所以决定尝试一下。
1，安装环境与模型选择
安装过程略，可以参考文章：Ollama在Windows11部署与使用QWen2模型_ollama run qwen2 "内容-CSDN博客
模型选择上，选取多模态大模型BakLLaVA
BakLLaVA 是一款由 SkunkworksAI 与 LAION、Ontocord 和 Skunkworks OSS AI 团队合作开发的多模态语言模型，通过改进基础模型、调整训练过程、引入定制数据集及架构优化，实现了接近 GPT-4 级别的多模态语言处理能力。它在图像描述生成、语音识别和理解、自然语言问答等应用中表现出色，并且支持多种 GPU 配置，具有较强的适应性。作为开源项目，BakLLaVA 为研究人员和开发者提供了广阔的探索和改进空间。
ollama run bakllava2，Ollama的Python接口测试
使用指令安装库
pip install ollama然后运行下面的程序测试：
import ollamaresponse = ollama.chat(model='bakllava', messages=[{'role': 'user','content': 'Why is the sky blue?',},
])print(response['message']['content'])能够得到返回结果
3，代码实现
（1）导入必要的库
首先，我们需要导入处理图像和与 Ollama 模型交互所需的库。
import base64
from io import BytesIO
from PIL import Image
import ollama
（2）定义图像转换函数
我们需要一个函数来将 PIL 图像转换为 Base64 编码字符串。这对于将图像数据发送给模型是必要的步骤。
# 将PIL图像转换为Base64编码字符串
def convert_to_base64(pil_image):buffered = BytesIO()# 将图像转换为RGB模式pil_image = pil_image.convert("RGB")pil_image.save(buffered, format="JPEG")img_str = base64.b64encode(buffered.getvalue()).decode("utf-8")return img_str
（3）定义图像加载函数
该函数用于从指定路径加载图像，并将其转换为 Base64 编码字符串。
# 从指定路径加载图像并转换为Base64编码字符串
def load_image(file_path):pil_image = Image.open(file_path)return convert_to_base64(pil_image)
（4）定义与模型交互的函数
这个函数将图像和问题发送给 BakLLaVA 模型，并获取模型的回答。
# 将图像和问题发送给Ollama的bakllava模型并获取回答
def chat_with_model(image_base64, question):response = ollama.chat(model='bakllava', messages=[{'role': 'user','content': question,'images': [image_base64]}])return response['message']['content']
（5）主程序逻辑
在主程序中，我们加载图像，将其转换为 Base64 编码，然后向模型提问，并打印模型的回答。
if __name__ == "__main__":# 图片所在地址file_path = "2.jpg"# 加载并转换图像image_b64 = load_image(file_path)# 提问question = "What is written in the picture, and answer the question."# 与模型对话answer = chat_with_model(image_b64, question)# 打印回答print(answer)
上传的图片其实很简单，如下
完整程序如下：
import base64
from io import BytesIO
from PIL import Image
import ollama# 将PIL图像转换为Base64编码字符串
def convert_to_base64(pil_image):buffered = BytesIO()# 将图像转换为RGB模式pil_image = pil_image.convert("RGB")pil_image.save(buffered, format="JPEG")img_str = base64.b64encode(buffered.getvalue()).decode("utf-8")return img_str# 从指定路径加载图像并转换为Base64编码字符串
def load_image(file_path):pil_image = Image.open(file_path)return convert_to_base64(pil_image)# 将图像和问题发送给Ollama的phi3模型并获取回答
def chat_with_model(image_base64, question):response = ollama.chat(model='bakllava', messages=[{'role': 'user','content': question,'images': [image_base64]}])return response['message']['content']if __name__ == "__main__":# 图片所在地址file_path = "2.jpg"# 加载并转换图像image_b64 = load_image(file_path)# 提问question = "What is written in the picture，and answer the question."# 与模型对话answer = chat_with_model(image_b64, question)# 打印回答print(answer)
4，运行得到结果
