在微调qwen-vl的时候，微调完成之后，模型也保存好了，但是用保存的模型进行推理的时候报错，看样子是找不到分词器tokenizer。

通过这个重定向，标准错误输出和标准输出都会被写入 train.log 文件。这个脚本文件名为 finetune_lora_single_gpu.sh，通常用于单 GPU 上进行 LoRA（Low-Rank Adaptation）的微调。模型训练完会保存在output_qwen文件中，想要修改去finetune.py 脚本中修改 --output_dir参数。重定向输出的目标文件名。这里是 trai

列出了多个NVIDIA GeForce RTX 4090显卡的信息，包括序号、名称、状态（如Persistence-M）、总线ID、显示适配器内存使用情况、易失性非一致性错误校正（Volatile Uncorr. ECC）状态、GPU利用率以及计算模式/迁移模式（Compute M./ MIG M.）。：显示为“Sat Jun 22 18:33:17 2024”，表明了截图的时间和日期。：显示为“

通过这个重定向，标准错误输出和标准输出都会被写入 train.log 文件。这个脚本文件名为 finetune_lora_single_gpu.sh，通常用于单 GPU 上进行 LoRA（Low-Rank Adaptation）的微调。模型训练完会保存在output_qwen文件中，想要修改去finetune.py 脚本中修改 --output_dir参数。重定向输出的目标文件名。这里是 trai

以上这种方法，是train数据和validation数据分开的时候的写法，也就是根据这两个字符串去映射各自的文件（记住必须是这两个字符串，不支持自定义，因为他在源码中写死了，train这个字符串只能索引train的数据集文件）。每个字符串后面是一个字典列表也就是你真正得数据集，必须是这三个字符串，他写死了，就是找这三个字符串来分割数据。如果你的数据集是分开的，也就是训练集和验证集是两个json文件