連續(xù)看了幾期和菜頭的公眾號(hào)上關(guān)于 AI 作畫的文章后，我也產(chǎn)生了一些興趣。作為一名理科生，立馬就行動(dòng)起來(lái)，這篇文章就聊一聊我的嘗試過(guò)程。

說(shuō)起 AI 作畫，其實(shí)已經(jīng)出現(xiàn)好幾年了。最早的新聞?dòng)?#xff1a;

2018年，10月25日，一幅由人工智能創(chuàng)作出的肖像畫在紐約佳士得拍賣會(huì)上拍出43.2萬(wàn)美元的高價(jià)（約合人民幣300萬(wàn)元）。

但之前的 AI 作畫，都只存在于谷歌、NVidia這樣的頂級(jí)實(shí)驗(yàn)室中，對(duì)硬件配置有著極高的要求，普通人想要嘗試，并不太容易。

近一段時(shí)間，畫家圈刷屏了一個(gè) AI 工具：Disco Diffusion。這個(gè) AI 工具已經(jīng)進(jìn)化到 V5.2 版本，具有兩個(gè)特點(diǎn)：

平民化。普通的用戶級(jí)顯卡就可以運(yùn)行，而且獲得的效果不錯(cuò)，速度也能接受（幾分鐘到幾個(gè)小時(shí)，取決于顯卡）。

易使用。得益于 TTI（Text to Image Generator）技術(shù)的發(fā)展，人工智能開始“理解”用戶輸入的文本，只需要提供一些關(guān)鍵詞，就能指揮 AI 來(lái)生成畫作。

現(xiàn)在 AI 作畫工具也是百花齊放，遠(yuǎn)不止 Disco Diffusion 這一款，不過(guò)這篇文章僅限于探討 Disco Diffusion。

在線嘗試

Disco Diffusion 是一個(gè)部署在 Colab 的開源項(xiàng)目，所以在線就可以作圖。Disco Diffusion V 5.2 Colab 地址：

https://colab.research.google.com/github/alembics/disco-diffusion/blob/main/Disco_Diffusion.ipynb

Colab 是 Google 家的用來(lái)在線編寫并運(yùn)行 Python 程序的 notebook，如果使用過(guò)用 Jupyter notebook，會(huì)覺(jué)得非常熟悉。

依次運(yùn)行 notebook 中的代碼，就可以出圖。當(dāng)然 Colab 每天給免費(fèi)用戶使用的計(jì)算資源有限制（有資料說(shuō)是 2 個(gè)小時(shí)時(shí)長(zhǎng)，顯卡資源隨機(jī)），經(jīng)常碰到的情況就是生成到一半，服務(wù)器就斷開了。下面就是我在線嘗試生成的畫作：

這是一幅未完成的作品。如果你覺(jué)得對(duì)你非常有用，可以購(gòu)買谷歌的云計(jì)算資源，完成一幅完整的作品。

不過(guò)對(duì)一名程序員來(lái)說(shuō)，怎么會(huì)這么容易就為云計(jì)算買單呢？

接著嘗試其它的 AI 工具：CogView。這是中國(guó)之光清華大學(xué)的項(xiàng)目，據(jù)團(tuán)隊(duì)發(fā)布的論文里稱“人工評(píng)估的測(cè)試中，CogView被選為最好的概率為37.02%，遠(yuǎn)遠(yuǎn)超過(guò)其他基于GAN的模型。”

來(lái)源：CogView: Mastering Text-to-Image Generation via Transformers （https://arxiv.org/abs/2105.13290）

中國(guó)團(tuán)隊(duì)出品的產(chǎn)品，當(dāng)然提示詞原生支持中文，對(duì)中國(guó)用戶比較友好。試用地址：

https://wudao.aminer.cn/CogView/index.html

使用提示語(yǔ)：“一棵湖面上的櫻花樹，花瓣飄在天空中，湖水倒影” 生成的結(jié)果如下：

一次生成 8 張，速度倒是挺快，至于說(shuō)質(zhì)量，要看運(yùn)氣。運(yùn)氣好的話，還是能生成不錯(cuò)的圖像的。

再次嘗試一款國(guó)外出品的在線生成工具：Dalle-Mini。試用地址：

https://huggingface.co/spaces/dalle-mini/dalle-mini

使用 prompt："A lonely glowing door in a beautiful wilderness, by Asher Brown Durand." 生成的圖像如下：

這個(gè)生成的速度也很快，一次生成 9 張，但效果比起和菜頭本地運(yùn)行生成出來(lái)的圖還是差遠(yuǎn)了。

沒(méi)有辦法了，還是得本地部署，雖然顯卡比較渣（RTX 2080 TI），但我可以用時(shí)間換取質(zhì)量。

本地部署

關(guān)于 Disco Diffusion 的本地部署，網(wǎng)上有許多資料，谷歌也給出了本地部署的官方文檔：

https://research.google.com/colaboratory/local-runtimes.html

但作為一名程序員，我更喜歡批量化的運(yùn)行，喜歡直接通過(guò)腳本搞定一切，所以我選擇了通過(guò) Docker 部署。

我的操作系統(tǒng)環(huán)境是 Ubuntu 20.04 LTS，NVIDIA 的驅(qū)動(dòng)和 CUDA 已經(jīng)安裝，版本如下：

照著網(wǎng)上的資料一步步操作，你總會(huì)遇到這樣或那樣的問(wèn)題，這并不是作者的問(wèn)題，而是這個(gè)世界變化太快。本次部署我也碰到了一些問(wèn)題，所以記錄一下。

上 Disco Diffusion 的 Github 下載代碼，其中包含 Dockerfile：

git?clone?https://github.com/alembics/disco-diffusion

構(gòu)建 Docker 鏡像。

構(gòu)建 Docker 鏡像需要分兩步，首先是構(gòu)建 Prep 鏡像，然后 main 鏡像，次序不能反，因?yàn)?main 鏡像依賴于 Prep 鏡像。

cd?docker/prep docker?build?-t?disco-diffusion-prep:5.1?. cd?../main docker?build?-t?disco-diffusion:5.1?.

在構(gòu)建 Prep 鏡像時(shí)可能會(huì)碰到如下錯(cuò)誤：

Step?5/16?:?RUN?wget?--no-directories?--progress=bar:force:noscroll?-P?/scratch/models?https://v-diffusion.s3.us-west-2.amazonaws.com/512x512_diffusion_uncond_finetune_008100.pt--->?Running?in?e777eaa1659f --2022-05-26?01:36:57--??https://v-diffusion.s3.us-west-2.amazonaws.com/512x512_diffusion_uncond_finetune_008100.pt Resolving?v-diffusion.s3.us-west-2.amazonaws.com?(v-diffusion.s3.us-west-2.amazonaws.com)...?52.92.146.186 Connecting?to?v-diffusion.s3.us-west-2.amazonaws.com?(v-diffusion.s3.us-west-2.amazonaws.com)|52.92.146.186|:443...?connected. HTTP?request?sent,?awaiting?response...?404?Not?Found 2022-05-26?01:36:58?ERROR?404:?Not?Found.

原因就在于模型文件在服務(wù)器上已經(jīng)不存在，研究了一下 colab 中的代碼，發(fā)現(xiàn)還有一套 fallback 地址（備用地址），所以將 docker/prep/Dockerfile 中的地址修改為：

https://huggingface.co/lowlevelware/512x512_diffusion_unconditional_ImageNet/resolve/main/512x512_diffusion_uncond_finetune_008100.pt

如果其它的模型還存在問(wèn)題，可以依葫蘆畫瓢，修改為備用地址即可。

不過(guò)有一個(gè)模型死活下載不下來(lái)：

--2022-05-26?04:47:12--??(try:20)??https://cloudflare-ipfs.com/ipfs/Qmd2mMnDLWePKmgfS8m6ntAg4nhV5VkUyAydYBp8cWWeB7/AdaBins_nyu.pt Connecting?to?cloudflare-ipfs.com?(cloudflare-ipfs.com)|31.13.81.4|:443...?failed:?Connection?timed?out. Connecting?to?cloudflare-ipfs.com?(cloudflare-ipfs.com)|2001::6ca0:a936|:443...?failed:?Cannot?assign?requested?address. Giving?up.

沒(méi)有辦法，只能上網(wǎng)找一個(gè)，先下載下來(lái)，地址：

https://drive.google.com/drive/folders/1nYyaQXOBjNdUJDsmJpcRpu6oE55aQoLA

然后通過(guò) COPY 指令從 host 復(fù)制到 Docker 容器：

COPY?AdaBins_nyu.pt?/scratch/pretrained/

啟動(dòng) Docker 容器，運(yùn)行 Disco Diffusion 腳本。

事先準(zhǔn)備好 images_out 和 init_images 兩個(gè)目錄， 前一個(gè)目錄存放生成的圖像，后一個(gè)是初始圖像存放的位置。然后映射到容器，這樣，在 Docker 容器中生成的圖像才好被 host 主機(jī)訪問(wèn)到：

docker?run?--rm?-it?\-v?$(echo?~)/disco-diffusion/images_out:/workspace/code/images_out?\-v?$(echo?~)/disco-diffusion/init_images:/workspace/code/init_images?\--runtime=nvidia?\--name="disco-diffusion"?--ipc=host?\--user?$(id?-u):$(id?-g)?\ disco-diffusion:5.1?python?disco-diffusion/disco.py

如果遇到權(quán)限問(wèn)題：

PermissionError:?[Errno?13]?Permission?denied:?'/workspace/code/images_out/TimeToDisco'

可以修改一下 host 下文件的 owner 或者 mode:

sudo?chown?alex:alex?~/disco-diffusion/images_out/

然后就是漫長(zhǎng)的等待。在沒(méi)有修改任何參數(shù)的情況下，生成了 49 張圖片，大小為 1280x768，大家可以欣賞一下其中的幾張：

值得一提的是，AI 程序?qū)ν粋€(gè)輸入，每次輸出并不相同，這和傳統(tǒng)的計(jì)算機(jī)程序不一樣，所以要獲得好的結(jié)果，需要多多嘗試，挑選出最好的結(jié)果。

和菜頭自從迷上了 AI 作畫后，其公眾號(hào)的題圖都是自己生成，現(xiàn)在網(wǎng)上也有一些大神，通過(guò) AI 畫出了不少令人驚艷的作品。下面這篇文章嘗試了古風(fēng)插畫，我非常喜歡：

AI 能理解和表達(dá)古詩(shī)意境嗎？來(lái)看看西喬用人工智能輔助創(chuàng)作的古風(fēng)插畫（第一輯）

你對(duì) AI 作畫怎么看，先動(dòng)手嘗試一下再來(lái)說(shuō)說(shuō)你的看法吧！

總結(jié)

以上是生活随笔為你收集整理的AI 作画初体验的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。