DiscoArt 是一個很牛逼的開源模塊，它能根據(jù)你給定的關鍵詞自動繪畫。
繪制過程是完全可見的，你可以在 jupyter 頁面上看見這個繪制的過程：
開始之前，你要確保Python和pip已經(jīng)成功安裝在電腦上，如果沒有，可以進行安裝。
(可選1) 如果你用Python的目的是數(shù)據(jù)分析，可以直接安裝Anaconda，它內(nèi)置了Python和pip.
(可選2) 此外，推薦大家用VSCode編輯器，它有許多的優(yōu)點。
請選擇以下任一種方式輸入命令安裝依賴 ：
為了運行 Discoart， 你需要Python 3.7+ 和支持 CUDA 的 PyTorch.
你可以在Jupyter中運行Discoart，這樣能方便地實時展示繪制過程：
from discoart import create這樣將使用默認的 文本描述 和參數(shù)創(chuàng)建圖像：
上滑查看更多代碼
text_prompts :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 : 512 x512_diffusion_uncond_finetune_008100use_secondary_model : Truediffusion_sampling_mode : ddimperlin_init : Falseperlin_mode : mixedseed :eta : 0.8 clamp_grad : Trueclamp_max : 0.05 randomize_class : Trueclip_denoised : Falserand_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 ::openaiViT-B-16 ::openaiRN50 ::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 創(chuàng)建出來的就是這個圖：
Create 支持的所有參數(shù)如下：
上滑查看更多代碼
text_prompts :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 : 512 x512_diffusion_uncond_finetune_008100use_secondary_model : Truediffusion_sampling_mode : ddimperlin_init : Falseperlin_mode : mixedseed :eta : 0.8 clamp_grad : Trueclamp_max : 0.05 randomize_class : Trueclip_denoised : Falserand_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 ::openaiViT-B-16 ::openaiRN50 ::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 你可以這么使用參數(shù)：
from discoart import create'A painting of sea cliffs in a tumultuous storm, Trending on ArtStation.' ,'https://d2vyhzeko0lke5.cloudfront.net/2f4f6dfa5a05e078469ebe57e77b72f0.png' ,100 ,
如果你不是用jupyter運行的，你也可以看到中間結果，因為最終結果和中間結果都會被創(chuàng)建在當前工作目錄下，即
./{name-docarray}/{i}-done.png name-docarray 是運行時定義的名稱，如果沒有定義，則會隨機生成。
i-* 第幾個Batch。
*-done-* 是當前Batch完成后的最終圖像。
*-step-* 是某一步的中間圖像，實時更新。
*-progress.png 是到目前為止所有中間結果的png圖像，實時更新。
*-progress.gif 是到目前為止所有中間結果的動畫 gif，實時更新。
da.protobuf.lz4 是到目前為止所有中間結果的壓縮 protobuf，實時更新。
如果你想知道你當前繪圖的配置，有三種方法：
from discoart import show_config# show the config of the first run 3 ]) # show the config of the fourth run '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'my.yml' ) # save the config of the first run 3 ], 'my.yml' ) # save the config of the fourth run 從配置中導入：
from discoart import create, load_config'my.yml' )此外，你還能直接把配置導出為圖像的形式
from discoart.config import save_config_svg
