DiscoArt 是一个很牛的开源模块，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，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
请选择以下任一种方式输入命令安装依赖：
1. Windows 环境 打开 Cmd (开始-运行-CMD)。
2. MacOS 环境 打开 Terminal (command+空格输入Terminal)。
3. 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：
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 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)
到此这篇关于Python实现一行代码自动绘制艺术画的文章就介绍到这了,更多相关Python绘制艺术画内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！
