maestro: 一款加速多模態視覺語言模型微調的精簡工具

它解決了什麼問題

Maestro 簡化了微調多模態（視覺語言）模型的複雜過程。它消除了編寫重複性的配置、數據加載和訓練循環設置等樣板代碼的需求，讓開發者能夠專注於其特定的任務。

它是如何運作的

Maestro 提供了一個統一的 CLI 和 Python SDK，封裝了訓練的最佳實踐。它使用一致的 JSONL 數據格式來簡化數據處理，並為特定模型提供即插即用的配方（recipes）。它支持高效的訓練技術，如 LoRA、QLoRA 和 graph freezing，以降低硬件需求。

對象是誰

想要快速微調視覺語言模型（VLMs）如 Florence-2、PaliGemma 2 和 Qwen2.5-VL，以執行物件偵測和 JSON 數據提取等任務的開發者和 AI 研究人員。

重點亮點

• 廣泛的模型支持：為 Florence-2、PaliGemma 2 和 Qwen2.5-VL 提供即插即用的配方。
• 靈活的接口：可以通過命令行界面或 Python API 啟動，以獲得更多控制權。
• 高效的訓練：支持 LoRA、QLoRA 和 graph freezing 以降低內存佔用。
• 高層級抽象：自動處理可重複性、數據準備和訓練循環設置。