DiscoArt 是一个很牛逼的开源模块,它能根据你给定的关键词自动绘画。
绘制过程是完全可见的,你可以在 jupyter 页面上看见这个绘制的过程:
1.准备
开始之前,你要确保Python和pip已经成功安装在电脑上,如果没有,可以访问这篇文章:超详细Python安装指南 进行安装。
**(可选1) **如果你用Python的目的是数据分析,可以直接安装Anaconda:Python数据分析与挖掘好帮手—Anaconda,它内置了Python和pip.
**(可选2) **此外,推荐大家用VSCode编辑器,它有许多的优点:Python 编程的最好搭档—VSCode 详细指南。
请选择以下任一种方式输入命令安装依赖 :
- Windows 环境 打开 Cmd (开始-运行-CMD)。
- MacOS 环境 打开 Terminal (command+空格输入Terminal)。
- 如果你用的是 VSCode编辑器 或 Pycharm,可以直接使用界面下方的Terminal.
pip install discoart
为了运行 Discoart, 你需要Python 3.7+ 和支持 CUDA 的 PyTorch.
2.开始使用 Discoart
你可以在Jupyter中运行Discoart,这样能方便地实时展示绘制过程:
from discoart import create
da = create()
这样将使用默认的 文本描述 和参数创建图像:
上滑查看更多代码
text_prompts:
- A beautiful painting of a singular lighthouse, shining its light across a tumultuous sea of blood by greg rutkowski and thomas kinkade, Trending on artstation.
- yellow color scheme
init_image:
width_height: [1280,768 ]
skip_steps:0
steps:250
init_scale:1000
clip_guidance_scale:5000
tv_scale:0
range_scale:150
sat_scale:0
cutn_batches:4
diffusion_model:512x512_diffusion_uncond_finetune_008100
use_secondary_model: True
diffusion_sampling_mode: ddim
perlin_init: False
perlin_mode: mixed
seed:
eta:0.8
clamp_grad: True
clamp_max:0.05
randomize_class: True
clip_denoised: False
rand_mag:0.05
cut_overview:"[12]*400+[4]*600"
cut_innercut:"[4]*400+[12]*600"
cut_icgray_p:"[0.2]*400+[0]*600"
cut_ic_pow:1.
save_rate:20
gif_fps:20
gif_size_ratio:0.5
n_batches:4
batch_size:1
batch_name:
clip_models:
-ViT-B-32::openai
-ViT-B-16::openai
-RN50::openai
clip_models_schedules:
use_vertical_symmetry: False
use_horizontal_symmetry: False
transformation_percent: [0.09]
on_misspelled_token: ignore
diffusion_model_config:
cut_schedules_group:
name_docarray:
skip_event:
stop_event:
text_clip_on_cpu: False
truncate_overlength_prompt: False
image_output: True
visualize_cuts: False
display_rate:1
Create 支持的所有参数如下:
上滑查看更多代码
text_prompts:
- A beautiful painting of a singular lighthouse, shining its light across a tumultuous sea of blood by greg rutkowski and thomas kinkade, Trending on artstation.
- yellow color scheme
init_image:
width_height: [1280,768 ]
skip_steps:0
steps:250
init_scale:1000
clip_guidance_scale:5000
tv_scale:0
range_scale:150
sat_scale:0
cutn_batches:4
diffusion_model:512x512_diffusion_uncond_finetune_008100
use_secondary_model: True
diffusion_sampling_mode: ddim
perlin_init: False
perlin_mode: mixed
seed:
eta:0.8
clamp_grad: True
clamp_max:0.05
randomize_class: True
clip_denoised: False
rand_mag:0.05
cut_overview:"[12]*400+[4]*600"
cut_innercut:"[4]*400+[12]*600"
cut_icgray_p:"[0.2]*400+[0]*600"
cut_ic_pow:1.
save_rate:20
gif_fps:20
gif_size_ratio:0.5
n_batches:4
batch_size:1
batch_name:
clip_models:
-ViT-B-32::openai
-ViT-B-16::openai
-RN50::openai
clip_models_schedules:
use_vertical_symmetry: False
use_horizontal_symmetry: False
transformation_percent: [0.09]
on_misspelled_token: ignore
diffusion_model_config:
cut_schedules_group:
name_docarray:
skip_event:
stop_event:
text_clip_on_cpu: False
truncate_overlength_prompt: False
image_output: True
visualize_cuts: False
display_rate:1
你可以这么使用参数:
from discoart import create
da = create(
text_prompts='A painting of sea cliffs in a tumultuous storm, Trending on ArtStation.',
init_image='https://d2vyhzeko0lke5.cloudfront.net/2f4f6dfa5a05e078469ebe57e77b72f0.png',
skip_steps=100,
)
如果你不是用jupyter运行的,你也可以看到中间结果,因为最终结果和中间结果都会被创建在当前工作目录下,即
./{name-docarray}/{i}-done.png
./{name-docarray}/{i}-step-{j}.png
./{name-docarray}/{i}-progress.png
./{name-docarray}/{i}-progress.gif
./{name-docarray}/da.protobuf.lz4
name-docarray
是运行时定义的名称,如果没有定义,则会随机生成。i-*
第几个Batch。*-done-*
是当前Batch完成后的最终图像。*-step-*
是某一步的中间图像,实时更新。*-progress.png
是到目前为止所有中间结果的png图像,实时更新。*-progress.gif
是到目前为止所有中间结果的动画 gif,实时更新。da.protobuf.lz4
是到目前为止所有中间结果的压缩 protobuf,实时更新。
3.显示/保存/加载配置
如果你想知道你当前绘图的配置,有三种方法:
from discoart import show_config
show_config(da) # show the config of the first run
show_config(da[3]) # show the config of the fourth run
show_config(
'discoart-06030a0198843332edc554ffebfbf288'
) # show the config of the run with a known DocArray ID
要保存 Document/DocumentArray 的配置:
from discoart import save_config
save_config(da, 'my.yml') # save the config of the first run
save_config(da[3], 'my.yml') # save the config of the fourth run
从配置中导入:
from discoart import create, load_config
config = load_config('my.yml')
create(**config)
此外,你还能直接把配置导出为图像的形式
from discoart.config import save_config_svg
save_config_svg(da)
-
模块
+关注
关注
7文章
2702浏览量
47456 -
参数
+关注
关注
11文章
1832浏览量
32204 -
开源
+关注
关注
3文章
3335浏览量
42483
发布评论请先 登录
相关推荐
评论