De onde importar os modelos para o DeepSeek VL2?

Estou tentando executar o modelo DeepSeek VL2 (versão minúscula) localmente e usar o seguinte código encontrado no Huggingface :

import torch
from transformers import AutoModelForCausalLM

from deepseek_vl.models import DeepseekVLV2Processor, DeepseekVLV2ForCausalLM
from deepseek_vl.utils.io import load_pil_images


# specify the path to the model
model_path = "deepseek-ai/deepseek-vl2-tiny"  # replaced 'small' with 'tiny'
vl_chat_processor: DeepseekVLV2Processor = DeepseekVLV2Processor.from_pretrained(model_path)
tokenizer = vl_chat_processor.tokenizer

vl_gpt: DeepseekVLV2ForCausalLM = AutoModelForCausalLM.from_pretrained(model_path, trust_remote_code=True)
vl_gpt = vl_gpt.to(torch.bfloat16).cuda().eval()

## single image conversation example
conversation = [
    {
        "role": "<|User|>",
        "content": "<image>\n<|ref|>The giraffe at the back.<|/ref|>.",
        "images": ["./images/visual_grounding.jpeg"],
    },
    {"role": "<|Assistant|>", "content": ""},
]

# load images and prepare for inputs
pil_images = load_pil_images(conversation)
prepare_inputs = vl_chat_processor(
    conversations=conversation,
    images=pil_images,
    force_batchify=True,
    system_prompt=""
).to(vl_gpt.device)

# run image encoder to get the image embeddings
inputs_embeds = vl_gpt.prepare_inputs_embeds(**prepare_inputs)

# run the model to get the response
outputs = vl_gpt.language_model.generate(
    inputs_embeds=inputs_embeds,
    attention_mask=prepare_inputs.attention_mask,
    pad_token_id=tokenizer.eos_token_id,
    bos_token_id=tokenizer.bos_token_id,
    eos_token_id=tokenizer.eos_token_id,
    max_new_tokens=512,
    do_sample=False,
    use_cache=True
)

answer = tokenizer.decode(outputs[0].cpu().tolist(), skip_special_tokens=True)
print(f"{prepare_inputs['sft_format'][0]}", answer)

No entanto, não consigo importar

from deepseek_vl.models import DeepseekVLV2Processor, DeepseekVLV2ForCausalLM
from deepseek_vl.utils.io import load_pil_images

Tentei instalar o deepseek_vl pelo pip, mas os pacotes listados com nomes semelhantes parecem ser completamente diferentes. Então, pensei que talvez fosse necessário baixar o repositório DeepSeek-VL do GitHub. Mas o repositório não contém classes nomeadas DeepseekVLV2Processorou DeepseekVLV2ForCausalLMno modelsdiretório. A load_pil_imagesfunção pode ser encontrada em utils.io.

Sei que o guia de instalação do Huggingface indica que as dependências devem ser instaladas por meio de [nome do pip install -e .arquivo]. Mas quando devo executar esse comando? Depois de baixar o repositório? Obviamente, como sou novo na execução desses modelos localmente, devo estar fazendo algo completamente errado. Como devo executar o código acima e importar os requisitos corretamente?