DALLE-mtf

用大规模并行训练复现 DALL·E，从文本生成图像

DALLE-mtf 是 OpenAI 官方发布的 DALL·E 模型在 mesh-tensorflow 框架下的实现，用于大规模训练文本生成图像模型。它解决了原始 DALL·E 代码未开源、研究者难以复现和扩展的问题，提供了完整的训练流程，包括离散变分自编码器（dVAE）和自回归 Transformer 的联合训练。核心能力包括：支持超大规模并行训练（通过 mesh-tensorflow 实现模型并行和数据并行）、处理文本与图像的多模态数据、生成符合文本描述的图像。项目包含数据预处理、训练脚本和模型配置，适合有分布式训练资源的研究团队进行二次开发。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 431

维护状态低维护

是否开源是

定价模式 free

项目数据

分类图像生成

开发团队EleutherAI

所属国家

官网地址https://www.eleuther.ai

GitHubhttps://github.com/EleutherAI/DALLE-mtf

定价模式free

价格说明开源项目，MIT许可证，可自由使用和部署，无付费版本。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型artificial-intelligence,autoregressive,multimodal,text-to-image,transformers,variational-autoencoder

GitHub 星标★ 431

30天Star增速

HF 下载量

上线时间2021-01-09 00:00:00

最近更新2026-09-21 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数2

使用教程

核心亮点

官方实现，模型架构与论文一致，可信度高
基于 mesh-tensorflow，支持超大规模分布式训练
包含 dVAE 和 Transformer 完整训练流程，开箱即用（需配置）

不足之处

依赖 TPU 和 mesh-tensorflow，普通 GPU 环境难以运行
文档较少，配置复杂，上手门槛高

适用场景

研究 DALL·E 原理并复现论文结果
在大规模集群上训练文本生成图像模型
基于官方代码进行二次开发，改进模型结构

替代项目

DALL-E (OpenAI 官方后续版本)、CogView (清华开源文本生成图像模型)、DALL-E Mini (轻量级复现)

项目介绍

DALLE-mtf 是图像领域的开源项目，由 EleutherAI 开发，2021 年首次发布。

它收录于图像分类，该分类目前共有 837 个项目，GitHub 星标数为 431。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-21。MIT许可证，可自由使用和部署，无付费版本。

它主要面向的使用场景是：研究DALL·E原理并复现论文结果。同类可对比的替代方案包括 DALL-E (OpenAI 官方后续版本)、CogView (清华开源文本生成图像模型)、DALL-E Mini (轻量级复现)。

上一篇：awesome-aiart-pics-prompts

下一篇：Auto1111SDK