一、通过openai实现的作品:
要想快速实现功能,咱们先了解一下OpenAI,OpenAI是一家人工智能公司,专注于开发强化学习、机器学习、自然语言处理等技术。OpenAI的主要目标是创造一套安全的人工智能系统,以帮助人们在各行各业中利用这项技术.接下来咱们来实现一下。
安装openai库:
pip?install?openai
调用openai生成图片以下是示例代码:
import?openai openai.api_key?=?'#####' response?=?openai.Image.create( ????prompt='主题:?森林风格的两只老虎', ????n=1, ????size="512x512" ) print(response['data'][0]['url'])
运行结果:
要想快速实现功能,咱们先了解一下PaddleHub,PaddleHub是飞桨预训练模型管理和迁移学习工具,通过PaddleHub开发者可以使用高质量的预训练模型结合Fine-tune API快速完成迁移学习到应用部署的全流程工作。其提供了飞桨生态下的高质量预训练模型,涵盖了图像分类、目标检测、词法分析、语义模型、情感分析、视频分类、图像生成、图像分割、文本审核、关键点检测等主流模型,接下来咱们来实现一下。
安装paddlehub库:
pip?install?paddlehub
调用paddlehub生成图片以下是示例代码:
import?paddlehub?as?hub? module?=?hub.Module(name="ernie_vilg")? results?=?module.generate_image(text_prompts=["在宁静的风景中画一幅美丽的建筑画"])
运行结果:
Stable Diffusion 是一个用于生成高质量 AI 绘画的 Python 库
安装Stable Diffusion库:
pip?install?stable-baselines3[extra]
调用Stable Diffusion生成图片以下是示例代码:
#?加载预训练模型 from?guided_diffusion?import?dist_util,?logger from?guided_diffusion.script_util?import?model_and_diffusion_args,?create_model from?guided_diffusion.train?import?add_dict_to_argparser logger.set_logger_dir(None) model,?diffusion,?_,?_,?_?=?create_model( ????**model_and_diffusion_args(prompt_size=512,?image_size=512) ) model_path?=?'path/to/pretrained/model.pt' model.load_state_dict(torch.load(model_path)['model'],?strict=False) model.eval().cuda() #?加载输入图像 image_path?=?'path/to/input/image.jpg' img?=?Image.open(image_path).convert('RGB') img?=?T.ToTensor()(img).unsqueeze(0).mul_(2).sub_(1) #?生成?AI?绘画 images?=?diffusion.p_sample_loop(model,(1,),clip=clip,device='cuda', ????????init_image=img, ????????skip_timesteps=0, ????)