Peiyu Zhuang

请问你是如何加载的呢？代码中有加载模型的代码，建议你试试看。

除了计算AUC不用二值化之外，计算其它指标时，阈值都设置0.5。是每一张图片二值化之后，计算指标，然后多张图像的指标求平均。

如果已经从0-1的概率图转为0-255的像素值，那么0.5*255作为阈值，大于127就是255，否则就为0。其他模型一般输出的结果都是0-1的概率值，这个时候就用0.5作为阈值处理就行了。

AUC每张计算出来的结果求平均，我代码里面有对其他metric的计算方式，auc你直接用sklearn里面的roc_auc_score去计算就行了。

> > > > 您好，Qwen-VL是可以在更大的分辨率上进行微调的，且有可能在特定任务上带来一定的性能提升。不过，对于1920x1080这种量级的分辨率，ViT的Token数量会多很多，因此微调需要的显存也会大幅增加。 > > > > > > > > > 感谢回复。显存问题可以暂不考虑，实在不行稍微小一些也是能接受。可以简述一下微调方案吗？想快速在特定任务上验证一下。感谢 > > > > > > 您好，原则上您只需要修改HuggingFace Model中config.json文件的"visual"部分中的"image_size"，然后按照现有的微调教程微调即可。如果遇到任何错误欢迎继续提问！ > > 尝试按照这种方式用少量样本（个位数）进行qwen-vl-chat的finetune，模型能够收敛，但是在训练样本上进行测试发现效果并不好，尤其是目标定位的能力。还有就是容易乱说。。 我这边也是遇到相同的问题，用finetune_lora_single_gpu去训练自己的目标检测的数据，只训练30条样本，让模型能在上面过拟合，然后去测试这30条数据的时候，发现模型输出的结果也都很差，很多情况下在乱说，不知道您那边后面找到具体的原因了吗？