facok / florence2-ft-simple

finetune your florence2 model easy

florence2-ft-simple

简单的微调属于你的florence2模型

介绍

本项目用于微调 Florence2 系列模型的 <CAPTION>, <DETAILED_CAPTION>, <MORE_DETAILED_CAPTION> 指令。

环境设置

1. 克隆项目

git clone https://github.com/facok/florence2-ft-simple
cd florence2-ft-simple

2. 创建和激活虚拟环境

使用 virtualenv 或 conda 创建并激活虚拟环境：

使用 virtualenv (linux)

python -m venv venv
source venv/bin/activate

使用 virtualenv (windows)

python -m venv venv
.\venv\Scripts\activate

使用 conda

conda create -n myenv python=3.10
conda activate myenv

3. 安装依赖项

通过 pip 安装 torch (linux)

pip install torch

通过 pip 安装 torch (windows)

pip install torch --index-url https://download.pytorch.org/whl/cu121

通过 conda 安装 torch

conda install pytorch pytorch-cuda=12.1 -c pytorch -c nvidia

继续安装剩余依赖

pip install -r requirements.txt

文件说明

dataset.py 包含数据集相关的类和方法

train.py 包含训练模型的主要逻辑

config.py 包含配置解析的逻辑

main.py 项目的主入口文件，负责初始化和启动训练过程

参数说明

参数名称	类型	默认值	必需	说明
--images_dir	str	无	是	图像文件所在的目录路径。
--texts_dir	str	无	是	打标文件所在的目录路径。每个文本文件应对应一个图像文件。
--model_dir	str	无	是	预训练模型所在的目录路径。
--output_dir	str	无	是	模型保存的目录路径。
--batch_size	int	1	否	训练和验证时的批处理大小。
--num_workers	int	0	否	DataLoader 的工作进程数。
--epochs	int	3	否	训练的轮数。
--learning_rate	float	1e-6	否	训练的学习率。
--accumulation_steps	int	8	否	梯度累积的步数，用于模拟更大批处理大小。
--task_type	str	无	是	任务类型，需要微调的任务种类。可选值为：<CAPTION>, <DETAILED_CAPTION>, <MORE_DETAILED_CAPTION>。
--precision	str	bf16	否	训练的精度。可选值为：fp32, fp16, bf16。
--train_split	float	0.8	否	训练数据和验证数据的比例，范围在 0.0 到 1.0 之间。
--save_best_model	store_true	无	否	仅在验证损失减少时保存模型。

运行训练脚本

在项目根目录下运行以下命令，启动训练过程：

python main.py --images_dir <path-to-images> --texts_dir <path-to-texts> --model_dir <path-to-model> --output_dir <path-to-output> --task_type <task-type> --batch_size <batch-size> --epochs <epochs> --learning_rate <learning-rate> --accumulation_steps <accumulation-steps> --precision <precision> --train_split <train-split> --save_best_model

示例命令 （linux）

python main.py \
    --images_dir ./data/images \
    --texts_dir ./data/texts \
    --model_dir ./Florence-2-large \
    --output_dir ./output \
    --task_type "<MORE_DETAILED_CAPTION>" \
    --batch_size 1 \
    --epochs 3 \
    --learning_rate 1e-6 \
    --accumulation_steps 8 

日志记录

暂时没有

其它说明

在BF16精度，BS 1的情况下，微调 Florence-2-large 大约需要 <22G显存

感谢

https://github.com/andimarafioti/florence2-finetuning