1. 视觉-语言预训练 (Vision-Language Pre-training，VLP)预训练模型，生成图像标注，视觉问答- 模型角度，基于编码器-解码器的模型在「图文检索」task中尚未成功实践- 数据角度，SOTA：CLIP、SimVLM 文本噪声问题严重本文提出BLIP（Bootstrapping Language-Image Pre-training），用于统一视觉 - 语言理解和生成

🎯来源：https://mp.weixin.qq.com/s/X7gxlcY-PaQ97MiEJmKfbg对给定的大量无标注图数据，图对比学习算法旨在训练出一个图编码器，目前一般指图神经网络（Graph Neural Network, GNN）。由这个 GNN 编码得到的图表示向量，可以很好地保留图数据的特性。Graph Contrastive Learning with Augmentatio

错误原因：spacy安装包问题解决步骤：直接下载 en_core_web_sm包 进行 安装1. 终端输入：wget https://github.com/explosion/spacy-models/releases/download/en_core_web_sm-2.3.0/en_core_web_sm-2.3.0.tar.gz显示如下，下载成功：2. 安装pip install en_cor

GitHub - A2Zadeh/CMU-MultimodalSDK: CMU MultimodalSDK is a machine learning platform for development of advanced multimodal models as well as easily accessing and processing multimodal datasets.https: