dalle playground

Text-to-Image-Spielplatz (FKA Dall-e-Spielplatz)

Ein Spielplatz für Text-zu-Image-Enthusiasten mit stabilem Diffusion V2.

November 2022, Major Update

Die Originalversion dieses Repositorys verwendete Dall-e Mini. Mit der jüngsten Veröffentlichung von Stable Diffusion (SD) V2 und der einfachen Implementierung hat dieses Repository SD über Dall -e Mini bewegt.

Siehe auch Whisper Playground - Ein Spielplatz zum Erstellen von Echtzeit -Sprach2Text -Web -Apps mit OpenAIs Whisper

Schnelle Verwendung

Sie können mit dem Dall-E-Spielplatz mit einem mit Github veranstalteten Frontend basteln. Folgen Sie folgenden Schritten:

1. Führen Sie das Dall-E-Backend mit Google Colab aus
2. Kopieren Sie die URL aus der Ausgabe der zuletzt ausgeführten Zelle. Die Suche nach der Zeile, die mit Your url is: .
3. Warten Sie, bis das Backend vollständig geladen wird . Dies sollte ~ 2 Minuten dauern und Sie sollten sehen --> Image generation server is up and running!
4. backendUrl

Allgemeiner Hinweis : Während es möglich ist, das Backend auf der kostenlosen Stufe von Google Colab auszuführen, dauern mehr als ~ 2 Bilder> 1 Minute, was zu einem Frontend -Timeout führt. Erwägen Sie das Upgrade auf Colab Pro oder führen Sie das Backend -Notizbuch auf Ihrer stärkeren ML -Maschine (z. B. AWS EC2) aus.

Lokale Entwicklung

Befolgen Sie diese Schritte, falls Sie den Dall-E-Spielplatz lokal klonen und ausführen möchten:

1. Klon oder Gabel dieses Repository
2. Erstellen Sie eine virtuelle Umgebung cd backend && python3 -m venv ENV_NAME
3. Führen Sie die virtuelle Umgebung source venv/bin/activate
4. Installieren Sie die Anforderungen pip install -r requirements.txt
5. Stellen Sie sicher, dass Sie Pytorch und seine Abhängigkeiten installiert haben ,
6. Führen Sie Web Server python3 app.py --port 8080 aus (Sie können von 8080 in Ihren eigenen Port wechseln)
7. Installieren Sie in einem anderen Terminal die Modules cd interface && npm install und führen Sie es aus, npm start aus.
8. Kopieren Sie die URL des Backends aus Schritt 5 und fügen Sie sie in die URL -Eingabe des Backend in der Web -App ein

Lokale Entwicklung/Verwendung mit Windows WSL2

Die WSL2 -Linux -Ebene von Windows hat einige einzigartige Probleme, die mit GPU -Unterstützung ausgeführt werden. Nvidia CUDA -Treiber sind auf der Windows -Seite anstelle von Linux installiert, aber JAX sieht die GPU nicht, ohne aus der Quelle zu kompilieren. Hier sind zusätzliche Anweisungen, um JAX zusammenzustellen.

1. Haben Sie kürzlich ein Nvidia Geforce -Spiel bereit oder Nvidia RTX Quadro -Treiber in Windows installiert
2. In Linux: Installieren Sie das CUDA -Toolkit von Nvidia, WSL -Anweisungen
3. In Linux: Installieren Sie die Cudnn -Bibliothek von Nvidia: Anweisungen
4. In Linux: Erstellen und installieren Sie sowohl jaxlib als auch jax aus der Quelle. Denken Sie daran, CUDA während der Zusammenstellung mit python3 build/build.py --enable_cuda
5. Beim Kompilieren von jaxlib können Sie hier auf eine zerstörte Konfigurationsdatei klicken: JAX-ML/JAX#11068
6. Befolgen Sie die oben genannten lokalen Entwicklungsanweisungen

WSL2-Installationen sind ziemlich nackte Knochen, erwarten Sie, dass Pakete wie npm , python3-pip und viele andere Dinge zum Laufen bringen. Weitere Fehlerbehebung hier

Lokale Entwicklung mit Docker-Compose

1. Stellen Sie sicher, dass Sie Docker und das NVIDIA Container Toolkit installiert haben

2. Klon oder Gabel dieses Repository

3. Start Server docker-compose up , fügen Sie -d um docker-compose up zu verbessern, wenn Sie es im Hintergrund ausführen möchten

4. Das erste Mal dauert einige Zeit, um die Bilder, Modelle und andere Abhängigkeiten herunterzuladen. Modelle und andere Abhängigkeiten werden nur einmal heruntergeladen und dann zwischengespeichert.

5. Kopieren Sie die URL des Backends aus Schritt 2 und fügen Sie sie in die URL -Eingabe des Backend in der Web -App ein.

   WebApp unter http://localhost:3000/dalle-playground

Anerkennung

Die ursprüngliche Repospory verwendete @Borisdaymas Dall-e Mini.