maestro

一行命令微调多模态模型,快速搞定视觉语言任务

开源 🏷️基础免费,高级付费 ✅ 目前可打开 模型训练 🍴 复刻 226 🐛 待处理 36 👀 关注 29
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 2695
维护状态 较活跃
是否开源 开源
定价模式 🏷️基础免费,高级付费 支持限时试用 · 提供在线微调平台,基础功能免费,高级功能需付费订阅,具体价格请查看官网。

项目预览

maestro 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类模型训练
开发团队roboflow
定价模式🏷️基础免费,高级付费
价格说明提供在线微调平台,基础功能免费,高级功能需付费订阅,具体价格请查看官网。
访问状态✅ 目前可打开
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型captioning,fine-tuning,florence-2,multimodal,objectdetection,paligemma,phi-3-vision,qwen2-vl,transformers,vision-and-language,vqa
GitHub 星标★ 2695
上线时间2023-11-24 00:00:00
代码更新2026-11-02
仓库体积10.9 MB
本站数据更新2026-11-09
维护状态较活跃
收录时间2026-08-10
浏览次数8

项目介绍

Maestro 是一个专注于多模态模型微调的开源工具,旨在简化 PaliGemma 2、Florence-2 和 Qwen2.5-VL 等视觉-语言模型的定制流程。它解决了多模态模型微调中数据准备复杂、训练配置繁琐、评估不直观等痛点,提供从数据标注、格式转换到训练、评估的一站式解决方案。核心能力包括:支持多种主流多模态模型架构,内置数据增强和预处理管道,提供简洁的配置文件和命令行接口,以及集成 Weights & Biases 等实验跟踪工具。通过抽象底层细节,Maestro 让开发者能快速上手,专注于模型效果优化,显著降低多模态微调的技术门槛。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-10 · 当前星标 ★ 2695

使用教程

⚠ 本教程由 AI 依据该项目 README 整理;原始文档不完整,部分步骤为通用流程推断,实际安装请以项目官方文档为准。

难度:入门 约 10 分钟 部署方式:库/依赖 3 步

⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。

环境要求

  • Python 环境(README 建议为每个模型单独创建独立环境)
  • 已安装 pip,可执行 pip install
  • 按所用模型安装对应额外依赖,如 maestro[paligemma_2]

安装与启动步骤

  1. 1准备独立环境

    README 明确指出不同模型的依赖可能相互冲突,建议每个模型使用一个专属 Python 环境,请勿共用同一环境。

  2. 2安装 PaliGemma 2 依赖

    在对应环境中执行该命令安装 maestro 及 PaliGemma 2 所需依赖,等待 pip 解析并下载完成即可。

    pip install "maestro[paligemma_2]"
  3. 3确认其他模型依赖

    微调 Florence-2 或 Qwen2.5-VL 时需换用各自专属的 extra 依赖;README 节选未列出其名称,请到官网核对。

如何确认成功

README 节选未给出验证命令;pip 安装过程无报错即视为依赖安装完成。

常见问题

Q:为什么每个模型要单独建一个 Python 环境?

A:因为它属于不同模型的依赖可能互相冲突,README 明确建议为每个模型创建专属的 Python 环境,不要共用。

Q:想微调 Florence-2 或 Qwen2.5-VL 该怎么装?

A:README 说明已支持这些模型,但节选只展示了 paligemma_2 的安装 extra,其他模型的依赖写法需查阅官网文档。

Q:训练需要准备什么格式的数据?

A:README 节选未涉及数据准备与格式转换细节,请参考官网 https://maestro.roboflow.com 的说明。

Q:有免费试用方式吗?

A:README 中提到可免费微调 VLM 并提供了 Colab 入口,但节选中未给出具体链接,可到仓库 README 与官网查找。

注意事项

  • README 建议为每个模型创建独立的 Python 环境,避免依赖冲突。
  • 本次 README 节选只覆盖 paligemma_2 的安装命令,其余模型安装方式请以官网为准。
  • 完整文档与教程见官网 https://maestro.roboflow.com,仓库地址为 https://github.com/roboflow/maestro。

核心亮点

  • 支持 PaliGemma 2、Florence-2、Qwen2.5-VL 等主流模型,覆盖检测、分割、字幕等任务
  • 提供数据标注和格式转换工具,简化从原始数据到训练集的流程
  • 内置多种训练配置和评估脚本,开箱即用,减少样板代码

不足之处

  • 文档/社区待观察
  • 依赖特定模型版本,升级模型时可能需要适配

适用场景

  • 为电商图片生成定制化描述标签
  • 训练专用物体检测模型用于工业质检
  • 快速验证新多模态模型在垂直领域的可行性

替代项目

Hugging Face Transformers、MMDetection、Lavis

上一篇:OneTrainer

下一篇:Nemotron

同类项目推荐

maji-merger 开源

在 WebUI 里拖拽调参,几秒合并出全新模型

A WebUI extension for model merging

★ 72 2026-08-09
vertex-ai-mlops 开源

照着做,就能在 Google Cloud 上跑通生产级 ML 流水线

Google Cloud Platform Vertex AI end-to-end workflows for machine learning operations

★ 720 2026-08-09
fasttrackml 开源

高速实验跟踪,让海量ML实验不卡顿

Experiment tracking server focused on speed and scalability

★ 118 2026-08-09
makeMoE 开源

手写稀疏混合专家模型,彻底搞懂 MoE 原理

From scratch implementation of a sparse mixture of experts language model inspired b···

★ 821 2026-08-09
mantis 开源

轻量级时间序列分类基础模型,小样本也能精准分类

Mantis: Lightweight Foundation Model for Time Series Classification

★ 161 2026-08-09
EasyWAM 开源

一套代码搞定世界动作模型的训练、微调与评测

A unified framework for training, fine-tuning, and evaluating World Action Models

★ 406 2026-09-16
VLM-R1 开源

用强化学习让视觉模型学会推理,少数据也能提升定位精度。

Solve Visual Understanding with Reinforced VLMs

★ 6047 2026-08-09
SLED 开源

不训练不微调,用模型自己纠正自己,让回答更靠谱

SLED: Self Logits Evolution Decoding for Improving Factuality in Large Language Mode···

★ 123 2026-08-09