写在前面
个人学习记录之作。仅供参考。
相关资料
关于多模态,其实这个图片已经基本上说尽了。
然后特别推荐B站李沐大神的论文讲解:多模态论文串讲·上【论文精读·46】
论文地址:https://arxiv.org/abs/2102.03334
代码下载下来之后,按教程先装环境。
遇到了几个问题。
1.包因为版本的改动,需要进行修改。
如图所示,你需要将
./VILT/vilt/gadgets/my_metrics.py中的头文件改为
from torchmetrics import Metric
第二,需要自己下载权重文件,在GIT当中有,比较大,大约1.2GB一个。
下载好之后,同目录下新建weights,放进去。
第三测试,我直接运行了demo文件
看了下输出,基本上全是warning,可能是因为版本吧,我这边提醒好多库更新了。
进来后是这个样子,这个是demo_vqa.py的
这个是demo.py的,
我测试了几个。运行报错。
因为主要是为了学习思想,代码细节,我就不深究了。
看了下git,使用命令行启动。
python demo_vqa.py with num_gpus=0 load_path="weights/vilt_vqa.ckpt" test_only=True
测试1:请问花是什么颜色
测试2:请问这是什么?
测试3:这是什么花?
因为这是用的官方的图,我想测试下自己的。
百度了一个猫,大概是这样
测试1:这是什么?
测试2,这是什么猫?
测试3:这个猫是什么颜色?
OK,反正跑通了。。。
后续继续研究一下如何训练自己数据集。