硬件要求（模型推理）： INT4 ： RTX30901，显存24GB，内存32GB，系统盘200GB INT4 ： RTX40901或RTX3090*2，显存24GB，内存32GB，系统盘200GB 模型微调硬件要求更高。一般不建议个人用户环境使用 如果要运行官方web界面streamlit run composite_demo/main.py 显存需要40G以上，至少需两张RTX3090显卡。

硬件要求（模型推理）： INT4 ： RTX30901，显存24GB，内存32GB，系统盘200GB INT4 ： RTX40901或RTX3090*2，显存24GB，内存32GB，系统盘200GB 模型微调硬件要求更高。一般不建议个人用户环境使用 如果要运行官方web界面streamlit run composite_demo/main.py 显存需要40G以上，至少需两张RTX3090显卡。

note 文章目录 noteVisualGLM-6B模型图生文：CogVLM-17B模型0. 直接部署推理模型Situation 2.1 CLI (SAT version)Situation 2.2 CLI (Huggingface version)Situation 2.3 Web Demo 1. 模型架构2. 模型效果3. 训练数据：CogVLM-SFT-311K数据集信息数据集数量数

note 文章目录 noteVisualGLM-6B模型图生文：CogVLM-17B模型1. 模型架构2. 模型效果 文生图：CogView3模型DALL-E3模型CogVideo模型网易伏羲-丹青模型Reference VisualGLM-6B模型 VisualGLM 是一个依赖于具体语言模型的多模态模型，而CogVLM则是一个更广阔的系列，不仅有基于GLM的双语模型，也有基

一、概述 1、是什么     COGVLM 全称《VISUAL EXPERT FOR LARGE LANGUAGE》，是一个多模态的视觉-文本模型，当前CogVLM-17B（20231130）可以完成对一幅图片进行描述、图中物体或指定输出检测框、相关事物进行问答，但是这个版本只支持一个图片（为且必为首次输入），只支持英文，几乎不支持写代码（目前测试是的）。 2、亮点     论文认为：在不

CogVLM: Visual Expert For Large Language Models论文笔记 - 知乎github: https://github.com/THUDM/CogVLM简介认为原先的shallow alignment效果不好（如blip-2，llava等），提出了visual expert module用于特征的deep fusion在10项任务上达到SOTA，效果堪比PaL

项目设计集合（人工智能方向）：助力新人快速实战掌握技能、自主完成项目设计升级，提升自身的硬实力（不仅限NLP、知识图谱、计算机视觉等领域）：汇总有意义的项目设计集合，助力新人快速实战掌握技能，助力用户更好利用 CSDN 平台，自主完成项目设计升级，提升自身的硬实力。 专栏订阅：项目大全提升自身的硬实力 [专栏详细介绍：项目设计集合（人工智能方向）：助力新人快速实战掌握技能、自主完成项