multimodal

环境要求

• Python >= 3.8
• 已安装 conda（README 假设环境）
• Linux 平台（PyPI 目前仅支持 Linux）
• pip（用于安装 nightly wheel）

安装与启动步骤

1. 1确认 Python 版本

   TorchMultimodal 要求 Python >= 3.8。先确认本地 Python 版本满足要求，否则先升级环境。

   python --version

   复制

2. 2安装 nightly 二进制

   README 提供的唯一安装方式：从 PyPI 安装 Linux 平台的 nightly wheel，支持 Python 3.8 和 3.9。

   python -m pip install torchmultimodal-nightly

   复制

3. 3验证导入

   安装完成后在 Python 中导入库，确认包可正常加载、无缺失依赖报错。

   python -c "import torchmultimodal; print('ok')"

   复制

4. 4试用示例代码

   按 README 的零样本示例，导入 FLAVA 模型与文本/图像 transform 组件编写训练或评估脚本。

   import torch
   from PIL import Image
   from torchmultimodal.models.flava.model import flava_model
   from torchmultimodal.transforms.bert_text_transform import BertTextTransform
   from torchmultimodal.transforms.flava_transform import FLAVAImageTransform

   复制

如何确认成功

执行 python -c "import torchmultimodal" 无报错，即表示库安装成功。

常见问题

注意事项

• 项目当前为 Beta Release，接口和功能可能不稳定。
• README 仅提供 nightly 版本，未给出稳定版安装命令。
• conda 是 README 安装说明中的前置假设，请提前准备。