本文介绍了 BLiP-2 模型的代码，包括模型架构、训练参数、配置文件和测试评估代码。Blip2TextEncoder 类实现了文本编码为隐藏表示，Blip2Encoder 类实现了图像和文本编码为隐藏表示。在 forward() 函数中，Blip2Encoder 类根据输入类型调用相应的编码器，然后将它们的输出连接并应用 dropout 层。最后，使用融合门控制图像和文本的贡献，并返回输出和注意力值。