本节使用的是 coco_2014_caption 数据集，该数据集主要用于多模态（Image-to-Text）任务。 本次任务，主要使用其中的前500张图像，并进行处理和格式微调，目标是组成如下格式的json文件： SwanLab是一个开源的模型训练记录工具，由本校（西电）团队开发，面向AI研究 ...