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，请访问这篇文章：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编辑器来编写小型Python项目：Python 编程的最好搭档—VSCode 详细指南
Windows环境下打开Cmd(开始—运行—CMD)，苹果系统环境下请打开Terminal(command+空格输入Terminal)，输入命令安装依赖：
x
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 createda = create()这样将使用默认的 文本描述 和参数创建图像：
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 schemeinit_image:width_height: [ 1280, 768 ]skip_steps: 0steps: 250init_scale: 1000clip_guidance_scale: 5000tv_scale: 0range_scale: 150sat_scale: 0cutn_batches: 4diffusion_model: 512x512_diffusion_uncond_finetune_008100use_secondary_model: Truediffusion_sampling_mode: ddimperlin_init: Falseperlin_mode: mixedseed:eta: 0.8clamp_grad: Trueclamp_max: 0.05randomize_class: Trueclip_denoised: Falserand_mag: 0.05cut_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: 20gif_fps: 20gif_size_ratio: 0.5n_batches: 4batch_size: 1batch_name:clip_models: - ViT-B-32::openai - ViT-B-16::openai - RN50::openaiclip_models_schedules:use_vertical_symmetry: Falseuse_horizontal_symmetry: Falsetransformation_percent: [0.09]on_misspelled_token: ignorediffusion_model_config:cut_schedules_group:name_docarray:skip_event:stop_event:text_clip_on_cpu: Falsetruncate_overlength_prompt: Falseimage_output: Truevisualize_cuts: Falsedisplay_rate: 1创建出来的就是这个图：
Create 支持的所有参数如下：
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 schemeinit_image:width_height: [ 1280, 768 ]skip_steps: 0steps: 250init_scale: 1000clip_guidance_scale: 5000tv_scale: 0range_scale: 150sat_scale: 0cutn_batches: 4diffusion_model: 512x512_diffusion_uncond_finetune_008100use_secondary_model: Truediffusion_sampling_mode: ddimperlin_init: Falseperlin_mode: mixedseed:eta: 0.8clamp_grad: Trueclamp_max: 0.05randomize_class: Trueclip_denoised: Falserand_mag: 0.05cut_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: 20gif_fps: 20gif_size_ratio: 0.5n_batches: 4batch_size: 1batch_name:clip_models: - ViT-B-32::openai - ViT-B-16::openai - RN50::openaiclip_models_schedules:use_vertical_symmetry: Falseuse_horizontal_symmetry: Falsetransformation_percent: [0.09]on_misspelled_token: ignorediffusion_model_config:cut_schedules_group:name_docarray:skip_event:stop_event:text_clip_on_cpu: Falsetruncate_overlength_prompt: Falseimage_output: Truevisualize_cuts: Falsedisplay_rate: 1你可以这么使用：
from discoart import createda = 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.lz4name-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_configshow_config(da) # show the config of the first runshow_config(da[3]) # show the config of the fourth runshow_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_configsave_config(da, 'my.yml') # save the config of the first runsave_config(da[3], 'my.yml') # save the config of the fourth run从配置中导入：
from discoart import create, load_configconfig = 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_svgsave_config_svg(da)
我们的文章到此就结束啦，如果你喜欢今天的 Python 教程，请持续关注Python实用宝典。
有任何问题，可以在公众号后台回复：加群，回答相应验证信息，进入互助群询问。
原创不易，希望你能在下面点个赞和在看支持我继续创作，谢谢！
Python实用宝典 ( pythondict.com )
不只是一个宝典
欢迎关注公众号：Python实用宝典
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
评论(0)