nanoVLM

nanoVLM è il repository più semplice per addestrare/ottimizzare un modello Vision-Language di piccole dimensioni con un'implementazione leggera in PyTorch puro. Il codice stesso è molto leggibile e accessibile, il modello è composto da un Vision Backbone (models/vision_transformer.py ~150 righe), un Language Decoder (models/language_model.py ~250 righe), una Modality Projection (models/modality_projection.py ~50 righe) e il VLM stesso (models/vision_language_model.py ~100 righe) e un semplice ciclo di addestramento (train.py ~200 righe).