CogView2

用层次化Transformer，快速生成高质量图像

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署图像生成 🍴 复刻 87 🐛 待处理 25 👀 关注 31

GitHub ↗

GitHub 星标 ★ 952

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，基于Apache-2.0许可证，可免费使用和部署。

项目预览

项目数据

分类图像生成

开发团队zai-org

GitHubhttps://github.com/zai-org/CogView2

定价模式🏷️完全免费

价格说明开源项目，基于Apache-2.0许可证，可免费使用和部署。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型pretrained-models,pytorch,text-to-image,transformer

GitHub 星标★ 952

上线时间2022-04-25 00:00:00

代码更新2022-08-03

仓库体积152 KB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数4

项目介绍

CogView2是清华大学与智谱AI联合推出的文本生成图像模型，基于层次化Transformer架构，在CogView基础上显著提升生成速度与图像质量。它解决的是文本到图像生成任务中生成速度慢、细节表现不足的问题，核心能力包括高分辨率图像生成、文本语义理解以及更快的推理效率。项目提供官方预训练模型和PyTorch实现，支持用户直接进行文本到图像的生成实验。作为早期项目，其代码和模型为后续的CogView系列及国产文本生成图像模型的发展奠定了基础。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 952

技术标签

pretrained-models pytorch text-to-image transformer

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：高级约 60 分钟部署方式：本地 GPU 5 步

环境要求

Linux + NVIDIA GPU（A100 最佳）
CUDA 与匹配的驱动
约 20GB 权重空间

安装与启动步骤

1装基础依赖

官方推荐 Linux + A100；显存不足时调小 max-inference-batch-size，或在更小规模上训模型。
```
pip install -r requirements.txt
```
2编译局部注意力

LocalAttention 必须装好 CUDA 后编译；跳过也能跑，但只能走 --only-first-stage 的 20x20 首阶段。
```
git clone https://github.com/Sleepychord/Image-Local-Attention
cd Image-Local-Attention && python setup.py install
```
3放预训练权重

权重从 model.baai.ac.cn 下载，需含 coglm、cogview2-dsr、cogview2-itersr 三个目录，统一放到 SAT_HOME 下。
```
export SAT_HOME=/path/to/models
```
4写提示词文件

每行一句中文或英文描述；把 --input-source 传 interactive 则改走命令行交互。
```
printf '%s\n' '一把木椅' 'a cat on the sofa' > input.txt
```
5生成图片

--batch-size 控制每条提示采样几张，--output-path 决定落盘目录。
```
./text2image.sh --input-source input.txt --output-path output
```