open_clip

OpenCLIP 是一个开源的 CLIP（Contrastive Language–Image Pre-training）实现。该项目使用 PyTorch 构建，支持多模态学习、预训练模型和零样本分类等核心功能，通过对比损失函数来训练模型以理解和生成图像与文本之间的关联。适用于需要进行跨模态理解的应用场景，如图像检索、自动图像标注以及基于文本的图像生成等任务。此外，OpenCLIP 提供了灵活的训练选项，包括FSDP2支持，使得在大规模数据集上训练变得更加高效。