1.搭建环境
git clone https://github.com/OFA-Sys/Chinese-CLIP.git
mkdir clip-data,和Chinese-CLIP文件夹同一级
conda create -n cn-clip python==3.10
conda activate cn-clip
cd /data/Chinese-CLIP/
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
2.数据模型准备
下载模型：
下载模型可以根据官方的指定地址下载，这次我们微调的是基础版本的也就是clip-cn-vit-b-16.pt, clip-data/pretrained_weights
https://github.com/OFA-Sys/Chinese-CLIP?tab=readme-ov-file#%E6%A8%A1%E5%9E%8B%E8%A7%84%E6%A8%A1--%E4%B8%8B%E8%BD%BD%E9%93%BE%E6%8E%A5
https://clip-cn-beijing.oss-cn-beijing.aliyuncs.com/datasets/MUGE.zip
这里面是标准的数据集格式，文件名是这个数据集的名字，将它放在clip-data/datasets目录下，并解压
修改脚本
使用run_scripts/muge_finetune_vit-b-16_rbt-base.sh这个基础版的脚本
主要是单卡或者多卡训练参数配置以及相关参数设置，batchsize lr这些等：
3.训练
执行命令，将这个进程挂到后台
nohup bash run_scripts/muge_finetune_vit-b-16_rbt-base.sh /home/fsy23/CSDN/clip-data/ > train.log 2>&1 &
训练日志我们可以通过两个地方看到，一个是我们自己在命令行指定的 train.log,一个是官方的指定目录。我们打开log
可能会出现报错：
修改：
在训练脚本里面，
在在cn_clip/training/params.py里面也要修改
还需要在cn_clip/training/main.py脚本里面修改一下，一共6处
重新运行一下脚本命令：
bash run_scripts/muge_finetune_vit-b-16_rbt-base.sh /data/LLM/clip-data/
单卡训练：
开始训练：
