微调课程 - Lesson 5 v2 多模态（上）

fine-tuning-lesson5-v2-251229/
├── 1-vqa/                    # 视觉问答 (Visual Question Answering)
│   ├── 1-blip/              # BLIP模型实现
│   └── 2-vilt/              # ViLT模型实现
├── 2-docqa/                  # 文档问答 (Document Question Answering)
│   ├── 1-donut/             # Donut模型实现
│   └── 2-nougat/            # Nougat模型实现
├── 3-image-captioning/       # 图像描述生成 (Image Captioning)
│   ├── 1-vit-gpt2/          # ViT-GPT2模型实现
│   ├── 2-blip-image-captioning/ # BLIP图像描述模型实现
│   └── 3-git-base/          # GIT基础模型实现
├── 4-image-text-search/      # 图像文本搜索 (Image-Text Search)
│   ├── 1-clip/              # CLIP模型实现
│   └── 2-owl-vit/           # OWL-ViT模型实现
└── 5-fine-tuning-qwen25-vl/  # Qwen2.5-VL模型微调

每个子目录包含以下文件：

• pyproject.toml: 项目依赖配置
• infer.py: 推理脚本
• 1-download-models.sh: 下载模型脚本
• 2-infer.sh: 运行推理脚本

对于Qwen2.5-VL微调部分：

• 1-download-models.sh: 下载基础模型
• 2-download-dataset.sh: 下载LaTeX OCR数据集
• 3-train.sh: 开始训练脚本
• train.py: 训练脚本
• download-dataset.py: 数据集下载脚本