文章目录
前言
本篇文章直接介绍llava模型数据加工部分,整体结构说明llava多模态模型输入数据格式,其中包含input_ids/labels/attention_mask与image格式,并给出对应代码位置与整个数据加工流程。最重要,通过debug给出数据解释与代码解读,也通过一个真实数据给出模型输入格式说明。当你阅读完此篇文章,绝对透彻理解llava数据加工过程与内容。显然,一篇博客是无法呈现整个数据细节,我将继续下篇博客呈现数据细节处理。
一、torch.nn.utils.rnn.pad_sequence与torch.ne函数
在介绍数据之前,我先介绍2个torch.nn.utils.rnn.pad_sequence与torch.ne函数,它们与数据处理相关。
1、torch.nn.utils.rnn.pad_sequence函数功能解读
该函数这里做了pad填充功能,我将具体介绍此函数。
1、函数原理
torch.nn.utils.rnn.pad_sequence(sequences