roboflow/maestro

streamline the fine-tuning process for multimodal models: PaliGemma 2, Florence-2, and Qwen2.5-VL

What it solves

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

How it works

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 LoRA、QLoRA 和圖形凍結（graph freezing）等高效訓練技術，以降低硬件需求。

Who it’s for

開發者和 AI 研究人員，希望快速微調 Florence-2、PaliGemma 2 和 Qwen2.5-VL 等視覺語言模型（VLMs）以執行對象物體檢測和 JSON 數據提取等任務。

Highlights

  • Broad Model Support: Florence-2、PaliGemma 2 和 Qwen2.5-VL 的即插即用配方。
  • Flexible Interface: 可以通過命令行界面或 Python API 進行啟動，以獲得更多控制權。
  • Efficient Training: 支持 LoRA、QLoRA 和圖形凍結（graph freezing）以降低內存佔用。
  • wysokie-level abstraction: 自動處理可重現性、數據準備和訓練循環設置。 "}} ,