VLP:图像字幕和问答的视觉语言预训练

VLP 这个 repo 托管了我们 AAAI2020 工作的源代码。 我们已经发布了数据集上的预训练模型，以及用于图像字幕的 COCO Captions 和 Flickr30k 以及 VQA 的 VQA 2.0 上的微调模型。 安装 Conda 环境（选项 I，推荐） 递归 ssh 克隆 repo 以包含coco和pythia子模块。 git clone --recursive git@github.com:LuoweiZhou/VLP.git 或使用 https 克隆： git clone --recursive https://github.com/LuoweiZhou/VLP.git 安装 CUDA（例如 10.0）、CUDNN（例如 v7.5）和 （Miniconda2 或 3，版本 4.6+）。 运行以下命令来设置 conda env 并安装 Python 包：