[BUG] <title>MiniCPM-V 2.6跑demo，本身机器显存8G，使用cuda提示显存不够

[nw-wf]

是否已有关于该错误的issue或讨论？ | Is there an existing issue / discussion for this?

• 我已经搜索过已有的issues和讨论 | I have searched the existing issues / discussions

该问题是否在FAQ中有解答？ | Is there an existing answer for this in FAQ?

• 我已经搜索过FAQ | I have searched FAQ

当前行为 | Current Behavior

MiniCPM-V 2.6跑demo，本身机器显存8G，使用cuda提示显存不够，目前使用cpu跑，贼慢十几个小时才出结果，请问如何类似于QW2-VL调整输入可以满足显存在8G以内的设备上跑。
接着又尝试了MiniCPM-V 2.6 int4也很慢。
目前尝试了MiniCPM-V 2.0得45分钟才出结果。

期望行为 | Expected Behavior

请问如何类似于QW2-VL调整输入可以满足显存在8G以内的设备上跑？

复现方法 | Steps To Reproduce

No response

运行环境 | Environment

- OS:ubuntu20.04
- Python:3.10
- Transformers:4.40.0
- PyTorch:2.1.2+cu121
- CUDA (`python -c 'import torch; print(torch.version.cuda)'`):12.1

备注 | Anything else?

No response

[LDLINGLINGLING]

你好，cpu跑速度可能确实会慢很多，可以尝试llamacpp和ollama，速度可能有所上升