[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-roboflow--maestro":3,"tool-roboflow--maestro":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",156033,2,"2026-04-14T23:32:00",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":76,"owner_email":77,"owner_twitter":72,"owner_website":78,"owner_url":79,"languages":80,"stars":85,"forks":86,"last_commit_at":87,"license":88,"difficulty_score":10,"env_os":89,"env_gpu":90,"env_ram":89,"env_deps":91,"category_tags":98,"github_topics":100,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":111,"updated_at":112,"faqs":113,"releases":142},7663,"roboflow\u002Fmaestro","maestro","streamline the fine-tuning process for multimodal models: PaliGemma 2, Florence-2, and Qwen2.5-VL","maestro 是一款专为加速多模态大模型微调而设计的开源工具，旨在让开发者轻松定制如 PaliGemma 2、Florence-2 和 Qwen2.5-VL 等主流视觉 - 语言模型。它主要解决了微调过程中配置繁琐、数据加载复杂以及训练环境难以复现等痛点，通过封装行业最佳实践，自动处理从配置文件生成到训练循环搭建的全流程。\n\n这款工具特别适合 AI 研究人员、算法工程师以及希望低成本探索多模态应用的开发者使用。无论是进行物体检测还是 JSON 数据提取任务，maestro 都提供了开箱即用的训练方案。其独特的技术亮点在于支持 LoRA 和 QLoRA 高效微调技术，并结合图冻结（graph freezing）策略，显著降低了硬件门槛，使得用户在免费算力平台（如 Google Colab）上也能流畅运行大模型微调。此外，maestro 提供统一的命令行接口和 SDK，配合标准化的 JSONL 数据格式，极大简化了代码复杂度，让用户只需关注数据集和核心参数，即可快速启动并监控训练进程，高效实现模型定制化。","\u003Cdiv align=\"center\">\n\n  \u003Ch1>maestro\u003C\u002Fh1>\n\n  \u003Cdiv>\n      \u003Cimg\n        src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Froboflow_maestro_readme_242df36863bb.png\"\n        width=\"80\"\n        height=\"40\"\n      \u002F>\n      \u003Cimg\n        src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Froboflow_maestro_readme_41461c4a93d3.png\"\n        width=\"80\"\n        height=\"40\"\n      \u002F>\n      \u003Cimg\n        src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Froboflow_maestro_readme_e7f278cffa31.png\"\n        width=\"80\"\n        height=\"40\"\n      \u002F>\n      \u003Cimg\n        src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Froboflow_maestro_readme_562fc0aadd19.png\"\n        width=\"80\"\n        height=\"40\"\n      \u002F>\n  \u003C\u002Fdiv>\n\n  \u003Cbr>\n\n  [![version](https:\u002F\u002Fbadge.fury.io\u002Fpy\u002Fmaestro.svg)](https:\u002F\u002Fbadge.fury.io\u002Fpy\u002Fmaestro)\n  [![colab](https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg)](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Froboflow\u002Fmaestro\u002Fblob\u002Fdevelop\u002Fcookbooks\u002Fmaestro_qwen2_5_vl_json_extraction.ipynb)\n  [![discord](https:\u002F\u002Fimg.shields.io\u002Fdiscord\u002F1159501506232451173?logo=discord&label=discord&labelColor=fff&color=5865f2&link=https%3A%2F%2Fdiscord.gg%2FGbfgXGJ8Bk)](https:\u002F\u002Fdiscord.gg\u002FGbfgXGJ8Bk)\n\n\u003C\u002Fdiv>\n\n## Hello\n\n**maestro** is a streamlined tool to accelerate the fine-tuning of multimodal models.\nBy encapsulating best practices from our core modules, maestro handles configuration,\ndata loading, reproducibility, and training loop setup. It currently offers ready-to-use\nrecipes for popular vision-language models such as **Florence-2**, **PaliGemma 2**, and\n**Qwen2.5-VL**.\n\n## Fine-tune VLMs for free\n\n| model, task and acceleration                                |                                                                                          open in colab                                                                                           |\n|:------------------------------------------------------------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------:|\n| Florence-2 (0.9B) object detection with LoRA (experimental) | [![colab](https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg)](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Froboflow\u002Fmaestro\u002Fblob\u002Fdevelop\u002Fcookbooks\u002Fmaestro_florence_2_object_detection.ipynb) |\n| PaliGemma 2 (3B) JSON data extraction with LoRA             | [![colab](https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg)](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Froboflow\u002Fmaestro\u002Fblob\u002Fdevelop\u002Fcookbooks\u002Fmaestro_paligemma_2_json_extraction.ipynb) |\n| Qwen2.5-VL (3B) JSON data extraction with QLoRA             | [![colab](https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg)](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Froboflow\u002Fmaestro\u002Fblob\u002Fdevelop\u002Fcookbooks\u002Fmaestro_qwen2_5_vl_json_extraction.ipynb)  |\n| Qwen2.5-VL (7B) object detection with QLoRA (experimental)  | [![colab](https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg)](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Froboflow\u002Fmaestro\u002Fblob\u002Fdevelop\u002Fcookbooks\u002Fmaestro_qwen2_5_vl_object_detection.ipynb) |\n\n## News\n\n- `2025\u002F02\u002F05` (`1.0.0`): This release introduces support for Florence-2, PaliGemma 2, and Qwen2.5-VL and includes LoRA, QLoRA, and graph freezing to keep hardware requirements in check. It offers a single CLI\u002FSDK to reduce code complexity, and a consistent JSONL format to streamline data handling.\n\n## Quickstart\n\n### Install\n\nTo begin, install the model-specific dependencies. Since some models may have clashing requirements,\nwe recommend creating a dedicated Python environment for each model.\n\n```bash\npip install \"maestro[paligemma_2]\"\n```\n\n### CLI\n\nKick off fine-tuning with our command-line interface, which leverages the configuration\nand training routines defined in each model’s core module. Simply specify key parameters such as\nthe dataset location, number of epochs, batch size, optimization strategy, and metrics.\n\n```bash\nmaestro paligemma_2 train \\\n  --dataset \"dataset\u002Flocation\" \\\n  --epochs 10 \\\n  --batch-size 4 \\\n  --optimization_strategy \"qlora\" \\\n  --metrics \"edit_distance\"\n```\n\n### Python\n\nFor greater control, use the Python API to fine-tune your models.\nImport the train function from the corresponding module and define your configuration\nin a dictionary. The core modules take care of reproducibility, data preparation,\nand training setup.\n\n```python\nfrom maestro.trainer.models.paligemma_2.core import train\n\nconfig = {\n    \"dataset\": \"dataset\u002Flocation\",\n    \"epochs\": 10,\n    \"batch_size\": 4,\n    \"optimization_strategy\": \"qlora\",\n    \"metrics\": [\"edit_distance\"]\n}\n\ntrain(config)\n```\n\n## Contribution\n\nWe appreciate your input as we continue refining Maestro. Your feedback is invaluable in guiding our improvements. To\nlearn how you can help, please check out our [Contributing Guide](https:\u002F\u002Fgithub.com\u002Froboflow\u002Fmaestro\u002Fblob\u002Fdevelop\u002FCONTRIBUTING.md).\nIf you have any questions or ideas, feel free to start a conversation in our [GitHub Discussions](https:\u002F\u002Fgithub.com\u002Froboflow\u002Fmaestro\u002Fdiscussions).\nThank you for being a part of our journey!\n","\u003Cdiv align=\"center\">\n\n  \u003Ch1>maestro\u003C\u002Fh1>\n\n  \u003Cdiv>\n      \u003Cimg\n        src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Froboflow_maestro_readme_242df36863bb.png\"\n        width=\"80\"\n        height=\"40\"\n      \u002F>\n      \u003Cimg\n        src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Froboflow_maestro_readme_41461c4a93d3.png\"\n        width=\"80\"\n        height=\"40\"\n      \u002F>\n      \u003Cimg\n        src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Froboflow_maestro_readme_e7f278cffa31.png\"\n        width=\"80\"\n        height=\"40\"\n      \u002F>\n      \u003Cimg\n        src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Froboflow_maestro_readme_562fc0aadd19.png\"\n        width=\"80\"\n        height=\"40\"\n      \u002F>\n  \u003C\u002Fdiv>\n\n  \u003Cbr>\n\n  [![version](https:\u002F\u002Fbadge.fury.io\u002Fpy\u002Fmaestro.svg)](https:\u002F\u002Fbadge.fury.io\u002Fpy\u002Fmaestro)\n  [![colab](https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg)](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Froboflow\u002Fmaestro\u002Fblob\u002Fdevelop\u002Fcookbooks\u002Fmaestro_qwen2_5_vl_json_extraction.ipynb)\n  [![discord](https:\u002F\u002Fimg.shields.io\u002Fdiscord\u002F1159501506232451173?logo=discord&label=discord&labelColor=fff&color=5865f2&link=https%3A%2F%2Fdiscord.gg%2FGbfgXGJ8Bk)](https:\u002F\u002Fdiscord.gg\u002FGbfgXGJ8Bk)\n\n\u003C\u002Fdiv>\n\n## 你好\n\n**maestro** 是一款用于加速多模态模型微调的简化工具。通过封装我们核心模块中的最佳实践，maestro 负责处理配置、数据加载、可复现性以及训练循环的设置。目前，它为 **Florence-2**、**PaliGemma 2** 和 **Qwen2.5-VL** 等热门视觉语言模型提供了开箱即用的配方。\n\n## 免费微调 VLM 模型\n\n| 模型、任务与加速方式                                |                                                                                          在 Colab 中打开                                                                                           |\n|:------------------------------------------------------------|:------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------:|\n| Florence-2 (0.9B) 带 LoRA 的目标检测（实验性） | [![colab](https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg)](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Froboflow\u002Fmaestro\u002Fblob\u002Fdevelop\u002Fcookbooks\u002Fmaestro_florence_2_object_detection.ipynb) |\n| PaliGemma 2 (3B) 带 LoRA 的 JSON 数据提取             | [![colab](https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg)](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Froboflow\u002Fmaestro\u002Fblob\u002Fdevelop\u002Fcookbooks\u002Fmaestro_paligemma_2_json_extraction.ipynb) |\n| Qwen2.5-VL (3B) 带 QLoRA 的 JSON 数据提取             | [![colab](https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg)](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Froboflow\u002Fmaestro\u002Fblob\u002Fdevelop\u002Fcookbooks\u002Fmaestro_qwen2_5_vl_json_extraction.ipynb)  |\n| Qwen2.5-VL (7B) 带 QLoRA 的目标检测（实验性）  | [![colab](https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg)](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Froboflow\u002Fmaestro\u002Fblob\u002Fdevelop\u002Fcookbooks\u002Fmaestro_qwen2_5_vl_object_detection.ipynb) |\n\n## 最新消息\n\n- `2025\u002F02\u002F05` (`1.0.0`)：此版本新增对 Florence-2、PaliGemma 2 和 Qwen2.5-VL 的支持，并引入 LoRA、QLoRA 和图冻结技术，以控制硬件需求。它提供单一的 CLI\u002FSDK 来降低代码复杂度，同时采用一致的 JSONL 格式来简化数据处理流程。\n\n## 快速入门\n\n### 安装\n\n首先，安装特定于模型的依赖项。由于某些模型可能存在冲突的依赖要求，我们建议为每个模型创建一个专用的 Python 环境。\n\n```bash\npip install \"maestro[paligemma_2]\"\n```\n\n### CLI\n\n使用我们的命令行界面启动微调，该界面利用了各模型核心模块中定义的配置和训练流程。只需指定关键参数，如数据集位置、训练轮数、批量大小、优化策略和评估指标即可。\n\n```bash\nmaestro paligemma_2 train \\\n  --dataset \"dataset\u002Flocation\" \\\n  --epochs 10 \\\n  --batch-size 4 \\\n  --optimization_strategy \"qlora\" \\\n  --metrics \"edit_distance\"\n```\n\n### Python\n\n若需更精细的控制，可使用 Python API 对模型进行微调。从相应模块中导入训练函数，并将配置定义为字典。核心模块会负责确保可复现性、数据准备和训练设置。\n\n```python\nfrom maestro.trainer.models.paligemma_2.core import train\n\nconfig = {\n    \"dataset\": \"dataset\u002Flocation\",\n    \"epochs\": 10,\n    \"batch_size\": 4,\n    \"optimization_strategy\": \"qlora\",\n    \"metrics\": [\"edit_distance\"]\n}\n\ntrain(config)\n```\n\n## 贡献\n\n在不断改进 maestro 的过程中，我们非常感谢您的宝贵意见。您的反馈对我们持续优化至关重要。如需了解如何参与贡献，请查阅我们的[贡献指南](https:\u002F\u002Fgithub.com\u002Froboflow\u002Fmaestro\u002Fblob\u002Fdevelop\u002FCONTRIBUTING.md)。如果您有任何问题或想法，欢迎在我们的[GitHub 讨论区](https:\u002F\u002Fgithub.com\u002Froboflow\u002Fmaestro\u002Fdiscussions)中发起讨论。感谢您一路以来的支持！","# Maestro 快速上手指南\n\n**Maestro** 是一款用于加速多模态模型（VLM）微调的 streamlined 工具。它封装了最佳实践，自动处理配置、数据加载、复现性及训练循环设置。目前支持 **Florence-2**、**PaliGemma 2** 和 **Qwen2.5-VL** 等主流视觉 - 语言模型，并提供 LoRA\u002FQLoRA 等高效微调方案。\n\n## 环境准备\n\n*   **系统要求**：Linux 或 macOS（Windows 用户建议使用 WSL2），具备 NVIDIA GPU 以获得最佳性能。\n*   **Python 版本**：推荐 Python 3.8+。\n*   **前置依赖**：由于不同模型的依赖项可能存在冲突，**强烈建议为每个模型创建独立的 Python 虚拟环境**。\n\n```bash\n# 创建并激活虚拟环境示例\npython -m venv maestro-env\nsource maestro-env\u002Fbin\u002Factivate  # Windows 用户使用: maestro-env\\Scripts\\activate\n```\n\n> **提示**：国内开发者在安装依赖时若遇到网络问题，可临时指定清华或阿里镜像源：\n> `pip install -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple ...`\n\n## 安装步骤\n\n根据你要微调的具体模型，安装对应的依赖包。以下是安装 **PaliGemma 2** 支持的示例：\n\n```bash\npip install \"maestro[paligemma_2]\"\n```\n\n如需其他模型支持，将方括号内的名称替换为 `florence_2` 或 `qwen2_5_vl` 即可。\n\n## 基本使用\n\nMaestro 提供了命令行（CLI）和 Python API 两种使用方式，核心模块会自动处理数据准备和训练设置。\n\n### 方式一：命令行界面 (CLI)\n\n只需指定数据集路径、轮数、批次大小及优化策略等关键参数即可启动训练。\n\n```bash\nmaestro paligemma_2 train \\\n  --dataset \"dataset\u002Flocation\" \\\n  --epochs 10 \\\n  --batch-size 4 \\\n  --optimization_strategy \"qlora\" \\\n  --metrics \"edit_distance\"\n```\n\n### 方式二：Python API\n\n通过 Python 代码调用可获得更灵活的控制权。导入对应模型的 `train` 函数并传入配置字典。\n\n```python\nfrom maestro.trainer.models.paligemma_2.core import train\n\nconfig = {\n    \"dataset\": \"dataset\u002Flocation\",\n    \"epochs\": 10,\n    \"batch_size\": 4,\n    \"optimization_strategy\": \"qlora\",\n    \"metrics\": [\"edit_distance\"]\n}\n\ntrain(config)\n```\n\n> **注意**：请将 `\"dataset\u002Flocation\"` 替换为你本地的数据集路径或符合要求的 JSONL 数据源地址。","一家电商初创公司的算法团队急需构建一个能从商品图片中自动提取规格参数（如颜色、尺寸、材质）并输出为标准 JSON 的系统，以加速新品上架流程。\n\n### 没有 maestro 时\n- **环境配置繁琐**：手动安装 PaliGemma 2 或 Qwen2.5-VL 的依赖库时，常因版本冲突导致环境崩溃，耗费数天排查。\n- **数据格式混乱**：需要编写大量自定义代码将原始图片标注转换为模型所需的特定格式，且容易出错。\n- **训练门槛高**：缺乏统一的训练入口，需深入阅读源码才能配置 LoRA\u002FQLoRA 微调策略及显存优化选项。\n- **复现困难**：由于缺乏标准化的配置管理，不同成员运行的实验结果难以对齐，调试成本极高。\n\n### 使用 maestro 后\n- **一键部署环境**：通过 `pip install \"maestro[paligemma_2]\"` 即可自动解决依赖冲突，分钟级完成环境搭建。\n- **标准化数据流**：只需准备统一的 JSONL 格式数据，maestro 自动处理数据加载与预处理，无需额外编码。\n- **命令行极速启动**：直接使用 CLI 命令指定数据集和超参数，内置最佳实践自动开启 QLoRA 量化，单卡即可运行。\n- **实验可复现**：内置的配置管理机制确保每次训练参数透明可控，团队成员可轻松复用和对比实验结果。\n\nmaestro 将多模态模型微调从“复杂的科研工程”简化为“标准的流水线作业”，让开发者能专注于业务数据而非底层架构。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Froboflow_maestro_a65f1a07.png","roboflow","Roboflow","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Froboflow_1234eb3b.png","",null,"hello@roboflow.com","https:\u002F\u002Froboflow.com","https:\u002F\u002Fgithub.com\u002Froboflow",[81],{"name":82,"color":83,"percentage":84},"Python","#3572A5",100,2668,221,"2026-04-12T14:38:12","Apache-2.0","未说明","需要 NVIDIA GPU（支持 LoRA\u002FQLoRA 加速），具体显存需求取决于模型大小（如 PaliGemma 2 3B 或 Qwen2.5-VL 7B），建议使用支持 CUDA 的环境",{"notes":92,"python":89,"dependencies":93},"该工具专为多模态模型（Florence-2, PaliGemma 2, Qwen2.5-VL）的微调设计。由于不同模型的依赖项可能存在冲突，强烈建议为每个模型创建独立的 Python 环境。支持通过 CLI 或 Python API 进行配置，内置 LoRA 和 QLoRA 优化策略以降低硬件门槛。可通过 Google Colab 免费运行示例。",[64,94,95,96,97],"torch","transformers","accelerate","peft",[14,35,99],"其他",[101,102,103,104,105,106,107,95,108,109,110],"captioning","fine-tuning","florence-2","multimodal","objectdetection","paligemma","phi-3-vision","vision-and-language","vqa","qwen2-vl","2026-03-27T02:49:30.150509","2026-04-15T13:14:22.601531",[114,119,124,129,134,138],{"id":115,"question_zh":116,"answer_zh":117,"source_url":118},34300,"安装后运行命令提示 'No such command' 错误（例如 qwen_2_5_vl）怎么办？","这通常是由于版本冲突或环境缓存导致的。请尝试以下步骤解决：\n1. 删除当前的虚拟环境或使用全新的干净环境（如新的 Colab 实例）。\n2. 不要指定具体版本号，直接使用最新稳定版进行安装：`pip install \"maestro[qwen_2_5_vl]\"`。\n3. 如果之前安装了 rc 版本（如 1.0.0rc1），请务必先卸载或清理环境后再重试。\n该方案在 Google Colab (A100 GPU) 和本地环境中均已验证有效。","https:\u002F\u002Fgithub.com\u002Froboflow\u002Fmaestro\u002Fissues\u002F145",{"id":120,"question_zh":121,"answer_zh":122,"source_url":123},34301,"训练 Florence-2 模型时如何设计负样本（Negative Samples）？","根据社区实践和测试反馈，目前建议的策略如下：\n1. **完全省略负样本**：测试表明，完全不包含负样本的训练效果往往优于强行添加错误的标注。\n2. **避免使用占位符标注**：尝试使用 `none\u003Cloc_000>...` 或 `background\u003Cloc_1000>...` 等格式作为负样本会导致模型难以收敛。\n3. **数据增强**：可以通过应用基础的数据增强技术来替代显式的负样本构建，以提升模型的泛化能力。","https:\u002F\u002Fgithub.com\u002Froboflow\u002Fmaestro\u002Fissues\u002F52",{"id":125,"question_zh":126,"answer_zh":127,"source_url":128},34302,"调用 masks_to_marks 函数时报错 'mask must be 3d np.ndarray with (n, H, W) shape' 如何解决？","该错误表明传入的 mask 数组维度不符合要求（必须是三维数组）。请按以下步骤调试：\n1. **检查数据形状**：在调用 `maestro.masks_to_marks(masks)` 之前，添加打印语句 `print(masks)` 或 `print(masks.shape)`，确认其形状是否为 `(n, H, W)`。\n2. **转换数据类型**：确保 masks 是 numpy 数组。如果是字典或其他格式，需先提取值并转换：`masks = np.array([mask for mask in masks.values()])`。\n3. **验证来源**：确认 `extract_relevant_masks` 返回的数据结构是否符合预期，必要时检查输入图像和检测结果的匹配性。","https:\u002F\u002Fgithub.com\u002Froboflow\u002Fmaestro\u002Fissues\u002F18",{"id":130,"question_zh":131,"answer_zh":132,"source_url":133},34303,"在 generate marks 步骤遇到相同的 mask 维度报错如何处理？","如果在 `generator.generate` 内部遇到此错误，通常是因为底层管道数据处理异常。建议采取以下措施：\n1. **添加调试日志**：在 `generate` 函数的 `self.pipeline` 周围添加日志，检查中间数据的形状和完整性。\n2. **监控资源**：检查 GPU 使用情况，确保没有发生内存溢出（Memory Overflow），因为静默的内存问题可能导致数据截断从而引发维度错误。\n3. **环境检查**：确认 `supervision` 库的版本兼容性，必要时重新安装依赖。","https:\u002F\u002Fgithub.com\u002Froboflow\u002Fmaestro\u002Fissues\u002F14",{"id":135,"question_zh":136,"answer_zh":137,"source_url":128},34304,"项目是否还支持旧版的 SAM 标记生成和掩码可视化功能？","不再支持。Maestro 项目已经转型为专注于 VLM（视觉语言模型）微调的工具包。因此，所有涉及旧版 SAM 标记生成、掩码提取及可视化相关的遗留 Issue 和功能已被关闭，建议用户关注新的微调套件文档。",{"id":139,"question_zh":140,"answer_zh":141,"source_url":118},34305,"在什么环境下测试过 maestro 的安装和运行？","维护者和用户已在以下环境中成功验证了工具的安装和运行：\n1. **Google Colab**：配备 A100 或 T4 GPU 的标准运行时环境。\n2. **本地环境**：包括 Ubuntu 20.04 和 Windows 系统，Python 版本建议使用 3.10。\n如果遇到特定 OS 或硬件问题，建议在干净的虚拟环境中重试，并提供具体的操作系统、Python 版本及 GPU 型号以便进一步排查。",[143],{"id":144,"version":145,"summary_zh":146,"released_at":147},271628,"1.0.0","## 🚀 新增功能\r\n\r\n- 多模态大模型领域发展迅速，跟踪最新进展颇具挑战。Maestro 目前支持 [Florence-2](https:\u002F\u002Fmaestro.roboflow.com\u002Flatest\u002Fmodels\u002Fflorence_2\u002F)、[PaliGemma 2](https:\u002F\u002Fmaestro.roboflow.com\u002Flatest\u002Fmodels\u002Fpaligemma_2\u002F) 和 [Qwen2.5-VL](https:\u002F\u002Fmaestro.roboflow.com\u002Flatest\u002Fmodels\u002Fqwen_2_5_vl\u002F)，我们将尽快添加更多关键多模态大模型。\r\n\r\n- 多模态大模型的微调成本较高。Maestro 内置对 LoRA、QLoRA 和图冻结的支持，即使在性能较弱的硬件上也能训练更大规模的模型。\r\n\r\n- 多模态大模型的微调需要编写大量代码。Maestro 通过简单的 CLI 或 SDK 调用，大幅简化了这一复杂性。\r\n\r\n- 当前多模态大模型缺乏统一的处理方式。Maestro 采用一致的输入格式（目前为 JSONL，COCO 和 YOLO 格式即将推出），以减少数据格式化带来的麻烦。\r\n\r\n## 🏆 贡献者\r\n\r\n@onuralpszr（Onuralp SEZER）、@SkalskiP（Piotr Skalski）","2025-02-05T08:45:17"]