updates

Author: BinaryOracle

src/MMLLM/庖丁解牛BLIP2.md

@@ -154,6 +154,9 @@ image_feats 中每个 image_feat 与 text_feat 计算一个 similarity score ，
 
 ![similarity score](庖丁解牛BLIP2/5.png)
 
+如何计算loss的: “in-batch negatives”，该方法正是CLIP在VLP领域发扬光大的。以下引用CLIP论文图做说明：
+
+![in-batch negatives](庖丁解牛BLIP2/6.png)
 
 ```python
 ###============== Image-text Contrastive ===================###
@@ -192,6 +195,7 @@ image_feats 中每个 image_feat 与 text_feat 计算一个 similarity score ，
 ```
 
 
+
 BertLayer 核心代码实现如下:
 
 ```python