mPLUG-HiTeA模型的video-question-answering报错问题。
报错内容：RuntimeError: one of the variables needed for gradient computation has been modified by an inplace operation: [torch.cuda.FloatTensor [393, 768]], which is output 0 of AsStridedBackward0, is at version 1; expected version 0 instead. Hint: the backtrace further above shows the operation that failed to compute its gradient. The variable in question was changed in there or anywhere later. Good luck!
这里用的是作者的源码，很奇怪为什么会报这种错误，作者模型有进行inplace操作吗？求好心人解答
展开
收起
1
条回答
写回答
写回答
相关问答
热门讨论
热门文章
请问Qwen-VL怎么用自己的数据集微调
1287
为什么用vllm部署qwen2-2b-vl，传输2张照片却，只回答一张照片的问题？
184
在4卡4090（24G）服务器上利用modelscope离线部署Qwen2vl-Flux时报错
17
怎么修改model scope的默认存储位置
210
docker和open-webui、ollama 部署本地的qwen2 14b 提供了API接口吗？
348
文本到图像生成扩散模型-中英文-通用领域-tiny 报错
1519
StableDiffusion 报错，prompt_embeds
1663
请问如何根据自己的数据进行finetune呢？
414
该模型在在线环境使用下运行报错。
321
多模态热门的模型有哪一些？
1841
展开全部
WeaveFox：蚂蚁集团推出 AI 前端智能研发平台，能够根据设计图直接生成源代码，支持多种客户端和技术栈
85
Lyra：SmartMore 联合香港多所高校推出的多模态大型语言模型，专注于提升语音、视觉和语言模态的交互能力
76
Megrez-3B-Omni：无问芯穹开源最强端侧全模态模型，支持理解图像、音频和文本三种模态数据
65
LatentLM：微软联合清华大学推出的多模态生成模型，能够统一处理和生成图像、文本、音频和语音合成
59
MV-Adapter：上交大、北航和 VAST 等联合开源多视图一致图像生成模型，将预训练的文生图扩散模型转为多视图生成器
57
Gemini 2.0：谷歌推出的原生多模态输入输出 + Agent 为核心的 AI 模型
107
RDT：清华开源全球最大的双臂机器人操作任务扩散基础模型、代码与训练集，基于模仿能力机器人能够自主完成复杂任务
47
Apollo：Meta 联合斯坦福大学推出专注于视频理解的多模态模型，能够理解长达数小时的视频
47
MarkItDown：微软开源的多格式转Markdown工具，支持将PDF、Word、图像和音频等文件转换为Markdown格式
46
TEN Agent：开源的实时多模态 AI 代理框架，支持语音、文本和图像的实时通信交互
92
展开全部
