承接上文在云服务器上基于lora微调Qwen2.5-VL-7b-Instruct模型（上）
执行train.py之后，再输入swanlab的API，就训练流程就开始了：
一直等待训练完成：
可能出现的报错与解决方案：
1.路径报错，需要检查checkpoint：
回到代码里去检查checkpoint，改成183：
6. 训练结果的展示
详细训练过程可以回到自己的swanlab主页观看
从SwanLab图表中我们可以看到，lr的下降策略是线性下降，loss随epoch呈现下降趋势，而grad_norm则在上升。这种形态往往反映了模型有过拟合的风险，训练不要超过2个epoch。在Prediction图表中记录着模型最终的输出结果，可以看到模型在回答的风格上是用的COCO数据集的简短英文风格进行的描述：
为什么我们获取测试模型可以是
使用这行代码的前提是我们使用的微调方法是lora微调，所以才可以使用PeftModel.from_pretrained来获取模型。如果不是微调，那可能需要别的方式来导入，比如读取huggingface在线的模型