【大模型应用开发】Qwen2.5-VL-3B识别视频

0. 编写代码并尝试运行

克隆以下代码

git clone https://gitee.com/ai-trailblazer/qwen-vl-hello.git

尝试运行qwen-vl-hello.py，报错原因缺少modelscope：

1. 安装qwen-vl-utils工具包

pip install qwen-vl-utils[decord]==0.0.8

尝试运行，不出意外的话肯定运行不了，报错原因依然是缺少modelscope：

2. 安装modelscope

 pip install modelscope -i https://pypi.tuna.tsinghua.edu.cn/simple

再次尝试运行，依然无法运行，报错原因modelscope下未找到Qwen2_5_VLForConditionalGeneration：

3.安装transformers

pip install git+https://github.com/huggingface/transformers accelerate

经历10分钟的漫长等待，终于下载安装完成。再次尝试运行，依然运行失败，报错原因缺少torchvision模块：

4.安装torchvision

pip install torchvision

5.尝试进行视频识别（失败）

再次尝试运行，事情出现转机，开始下载模型，并进行漫长的等待（在等待过程中，顺手去清理一些爆红的C盘！）

经历九九八十一分钟后，发生了意外（我没有碰它呀）

再次尝试运行，执行失败，报错原因是TypeError: process_vision_info() got an unexpected keyword argument 'return_video_kwargs'：

下面先进行图片识别，排查一下是否是环境问题。

6. 尝试图片识别（成功）

先运行图片识别的代码（qwen-vl-img-hello.py）吧，没想到又发生更大意外惊喜，wsl系统连不上了！

Reload Window后，重新连接了

再次运行，图片识别成功。