multimodal

Вопрос или проблема Я пытаюсь ускорить генерацию подписей на большом наборе изображений, используя BLIP-2. Приведенный ниже код для одного изображения работает нормально: prompt = "это изображение" inputs = processor(trainData[0]["image"], text=prompt, return_tensors="pt").