Smol Vision 项目使用教程
2024-09-28 09:45:07作者:柯茵沙
smol-vision
Recipes for shrinking, optimizing, customizing cutting edge vision models. 💜
1. 项目目录结构及介绍
smol-vision/
├── .gitignore
├── ColPali_+_Qwen2_VL.ipynb
├── Faster_Zero_shot_Object_Detection_with_Optimum.ipynb
├── Faster_foundation_models_with_torch_compile.ipynb
├── Fine_tune_Florence_2.ipynb
├── Fine_tune_PaliGemma.ipynb
├── Fit_in_vision_models_using_quanto.ipynb
├── Idefics_FT.ipynb
├── LICENSE
├── PaliGemma_DPO.ipynb
├── README.md
├── Reduce_any_model_to_fp16_using_🤗_Optimum_DETR.ipynb
├── knowledge_distillation.md
└── train_idefics2.py
目录结构说明
- .gitignore: Git 忽略文件,用于指定不需要纳入版本控制的文件。
- ColPali_+_Qwen2_VL.ipynb: 多模态 RAG 示例笔记本。
- Faster_Zero_shot_Object_Detection_with_Optimum.ipynb: 使用 Optimum 进行快速零样本目标检测的示例笔记本。
- Faster_foundation_models_with_torch_compile.ipynb: 使用 torch.compile 加速基础模型的示例笔记本。
- Fine_tune_Florence_2.ipynb: 微调 Florence-2 模型的示例笔记本。
- Fine_tune_PaliGemma.ipynb: 微调 PaliGemma 模型的示例笔记本。
- Fit_in_vision_models_using_quanto.ipynb: 使用 Quanto 缩小视觉模型的示例笔记本。
- Idefics_FT.ipynb: 微调 IDEFICS 模型的示例笔记本。
- LICENSE: 项目许可证文件,采用 Apache-2.0 许可证。
- PaliGemma_DPO.ipynb: 微调 PaliGemma 模型的示例笔记本。
- README.md: 项目介绍和使用说明。
- Reduce_any_model_to_fp16_using_🤗_Optimum_DETR.ipynb: 使用 Optimum DETR 将模型量化为 fp16 的示例笔记本。
- knowledge_distillation.md: 知识蒸馏的介绍文档。
- train_idefics2.py: 训练 IDEFICS 模型的脚本。
2. 项目启动文件介绍
train_idefics2.py
train_idefics2.py
是用于训练 IDEFICS 模型的脚本。该脚本包含了模型训练的主要逻辑,可以通过命令行参数进行配置。
使用方法
python train_idefics2.py --config config.json
主要功能
- 模型训练: 提供了 IDEFICS 模型的训练功能。
- 参数配置: 支持通过命令行参数或配置文件进行参数配置。
3. 项目的配置文件介绍
config.json
配置文件 config.json
用于存储训练过程中的参数配置。该文件通常包含以下内容:
{
"batch_size": 32,
"learning_rate": 0.001,
"num_epochs": 10,
"data_path": "path/to/data",
"model_save_path": "path/to/save/model"
}
配置项说明
- batch_size: 批处理大小,控制每次训练的样本数量。
- learning_rate: 学习率,控制模型参数更新的步长。
- num_epochs: 训练轮数,控制模型训练的总次数。
- data_path: 数据路径,指定训练数据的存储位置。
- model_save_path: 模型保存路径,指定训练完成后模型的保存位置。
通过配置文件,用户可以灵活地调整训练过程中的各项参数,以适应不同的训练需求。
smol-vision
Recipes for shrinking, optimizing, customizing cutting edge vision models. 💜
热门项目推荐
相关项目推荐
- CangjieCommunity为仓颉编程语言开发者打造活跃、开放、高质量的社区环境Markdown6690
- redis-sdk仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。Cangjie32226
- qwerty-learner为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workersTypeScript15.77 K1.47 K
- Yi-CoderYi Coder 编程模型,小而强大的编程助手305
- advanced-javaAdvanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。JavaScript75.83 K19.04 K
- taro开放式跨端跨框架解决方案,支持使用 React/Vue/Nerv 等框架来开发微信/京东/百度/支付宝/字节跳动/ QQ 小程序/H5/React Native 等应用。 https://taro.zone/TypeScript35.51 K4.79 K
- CommunityCangjie-TPC(Third Party Components)仓颉编程语言三方库社区资源汇总252
- AanacondaAnaconda turns your Sublime Text 3 in a full featured Python development IDE including autocompletion, code linting, IDE features, autopep8 formating, McCabe complexity checker Vagrant and Docker support for Sublime Text 3 using Jedi, PyFlakes, pep8, MyPy, PyLint, pep257 and McCabe that will never freeze your Sublime Text 3Python2.22 K263
- Wwindows暂无简介Shell16.14 K1.35 K
- byzer-langByzer(以前的 MLSQL):一种用于数据管道、分析和人工智能的低代码开源编程语言。Scala1.88 K551
热门内容推荐
展开
最新内容推荐
展开
项目优选
收起
CangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
669
0
RuoYi-Vue
🎉 基于SpringBoot,Spring Security,JWT,Vue & Element 的前后端分离权限管理系统,同时提供了 Vue3 的版本
Java
136
18
openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
10
4
redis-sdk
仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。
Cangjie
322
26
advanced-java
Advanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。
JavaScript
75.83 K
19.04 K
qwerty-learner
为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workers
TSX
15.56 K
1.44 K
Jpom
🚀简而轻的低侵入式在线构建、自动部署、日常运维、项目监控软件
Java
1.41 K
292
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手
HTML
30
5
easy-es
Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
1.42 K
231
taro
开放式跨端跨框架解决方案,支持使用 React/Vue/Nerv 等框架来开发微信/京东/百度/支付宝/字节跳动/ QQ 小程序/H5/React Native 等应用。 https://taro.zone/
TypeScript
35.34 K
4.77 K