winnerahao

效果确实非常nice，支持并跟进，另外基于题主的问题，还想问下： （1）paper中所描述的“given a batch of image features”，“Consistent Self-Attention samples some tokens Si from other image features in the batch...”，请问在推理阶段，batch维度怎么解释？不太明白在推理阶段，a batch of image features来自哪里？感觉和题主应该是一样的疑问，麻烦解答，感谢！

1. git clone xxx 2. 安装相关环境（包括chatglm-6b） 3. python run.py

执行项目，会自己下载模型，如果嫌慢，可以提前去下载chatglm的相关模型，具体参考其官方