PaddleNLP ppdiffusers 自动生成兔了个兔海报

目录
  • 欢欢喜喜辞旧岁
  • 下载PaddleNLP
    • 安装PaddleNLP
  • 重启notebook
    • 安装ppdiffusers
  • diffusion文图生成
    • 选定diffusion模型
    • 图片生成
  • 海报合成
  • 查看海报

欢欢喜喜辞旧岁

辞旧迎新之际,来 AI Studio 一起 #欢喜迎兔年# !分享不同新年风俗,共享一段快乐时光!

p>下面就开始我们的海报之旅

下载PaddleNLP

from IPython.display import clear_output
%cd ~
!git clone -b develop https://github.com/PaddlePaddle/PaddleNLP.git
clear_output() # 清理很长的内容

安装PaddleNLP

%cd ~/PaddleNLP
!pip install -e ./
clear_output() # 清理很长的内容
print('安装完毕, 请重启内核')
安装完毕, 请重启内核

重启notebook

安装ppdiffusers

%cd ~/PaddleNLP/ppdiffusers/
!pip install -r ~/PaddleNLP/ppdiffusers/requirements.txt
clear_output() # 清理很长的内容
print('安装完毕, 请重启内核')

安装完毕, 请重启内核

diffusion文图生成

选定diffusion模型

下面推荐了部分二次元模型,想要了解更多的模型可以 点开这里的链接

ppdiffusers支持的模型名称 huggingface对应的模型地址 Tips备注
Linaqruf/anything-v3.0 (推荐!) huggingface.co/Linaqruf/an… 二次元模型!
hakurei/waifu-diffusion-v1-3 (推荐!) huggingface.co/hakurei/wai… Waifu v1-3的模型,主要适合画二次元图像!(对比v1-2更好!)
MoososCap/NOVEL-MODEL (推荐!) huggingface.co/MoososCap/N… 二次元模型!
Baitian/momocha (推荐!) 二次元模型!
Baitian/momoco (推荐!) 二次元模型!
hequanshaguo/monoko-e (推荐!) 二次元模型!
%cd ~/PaddleNLP/ppdiffusers
/home/aistudio/PaddleNLP/ppdiffusers
import paddle
from ppdiffusers import StableDiffusionPipeline
# 加载模型
pipe = StableDiffusionPipeline.from_pretrained("Linaqruf/anything-v3.0")

图片生成

# prompt: 戴眼镜坐在电脑边敲代码穿唐装的兔子, 可爱,大眼睛,高清毛绒
prompt = "rabbit wear glasses  beside the computer is writting code  in Tang costume for the Spring Festival is cute, big-eyed, high-definition plush"
images = pipe(prompt, guidance_scale=7.5, height=768, width=768)
print(len(images.images))
image = images.images[0]
image.save("/home/aistudio/0.png")

海报合成

%cd ~
import cv2
def merge():
    back_img_path = '底图.png'
    # 加载底图模板
    back_img = cv2.imread(back_img_path, cv2.IMREAD_UNCHANGED)  # 捕获图像1
    print('底图尺寸: ', back_img.shape)
    # 加载生成图
    fore_img = cv2.imread('0.png', cv2.IMREAD_UNCHANGED)
    fore_img = cv2.resize(fore_img, (600, 600))
    rows, cols, channels = fore_img.shape
    print('生成图尺寸: ', fore_img.shape)
    dx, dy = 75, 390
    print('dx + rows,  dy + cols', dx + rows, dy + cols)
    print(back_img[dy:dy + cols, dx:dx + rows].shape)
    # 合并
    back_img[dy:dy + cols, dx:dx + rows] = fore_img
    merge_img_path = '海报.png'
    # 保存
    cv2.imwrite(merge_img_path, back_img)
    return merge_img_path
merge()
/home/aistudio
底图尺寸:  (1334, 750, 3)
生成图尺寸:  (600, 600, 3)
dx + rows,  dy + cols 675 990
(600, 600, 3)
'海报.png'

查看海报

import cv2
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
img = cv2.imread("海报.png", -1)#读取的是bgr格式
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.imshow(img)
plt.show()

以上就是PaddleNLP ppdiffusers 自动生成兔了个兔海报的详细内容,更多关于PaddleNLP ppdiffusers生成海报的资料请关注我们其它相关文章!

(0)

相关推荐

  • 自然语言处理NLP TextRNN实现情感分类

    目录 概要 数据集 数据预处理 模型构建 模型训练 模型评估 结论 概要 在自然语言处理(NLP)领域,情感分析及分类是一项十分热门的任务.它的目标是从文本中提取出情感信息和意义,通常分为两类:正向情感和负向情感,并且可以细化为多个情感级别. 在这篇文章中,我们将介绍如何使用TextRNN(Text Recurrent Neural Network)来实现情感短文本分类任务.我们将探索数据预处理.模型构建.训练和评估等主题. 数据集 我们将使用公开的中文情感分类数据集THUCNews.该数据集包

  • nlp自然语言处理学习CBOW模型类实现示例解析

    目录 实现CBOW模型类 Trainer类的实现 实现CBOW模型类 初始化:初始化方法的参数包括词汇个数 vocab_size 和中间层的神经元个数 hidden_size.首先生成两个权重(W_in 和 W_out),并用一些小的随机值初始化这两个权重.设置astype(‘f’),初始化将使用 32 位的浮点数. 生成层:生成两个输入侧的 MatMul 层.一个输出侧的 MatMul 层,以及一个 Softmax with Loss 层. 保存权重和梯度:将该神经网络中使用的权重参数和梯度分

  • Python PaddleNLP信息抽取提取快递单信息

    目录 5 条标注数据,搞定物流快递单信息抽取 智能立体库盘点 近几年,制造业作为国民经济主体,是国家创造力.竞争力和综合国力的重要体现.作为制造强国建设的主攻方向,可以说,智能制造发展水平关乎我国未来制造业的全球地位. 制造业与物流结合紧密,随着制造业的高速发展,对自动化率.全产业链协同和生产效率再提高等方向均提出了更高的要求,需要物流仓储能够匹配相应的生产节奏. 同时,据统计,我国制造业生产成本中,物流占比高达三成,降低物流成本成为了制造业利润提升的关键一环. 今天,我将基于智能制造 - 精益

  • nlp自然语言处理基于SVD的降维优化学习

    目录 基于SVD的降维优化 SVD的直观意义 基于SVD的降维优化 向量降维:尽量保留数据“重要信息”的基础上减少向量维度.可以发现重要的轴(数据分布广的轴),将二维数据 表示为一维数据,用新轴上的投影值来表示各个数据点的值,示意图如下. 稀疏矩阵和密集矩阵转换:大多数元素为0的矩阵称为稀疏矩阵,从稀疏矩阵中找出重要的轴,用更少的维度对其进行重新表示.结果,稀疏矩阵就会被转化为大多数元素均不为0的密集矩阵.这个密集矩阵就是我们想要的单词的分布式表示. 奇异值分解(Singular Value D

  • nlp计数法应用于PTB数据集示例详解

    目录 PTB数据集 ptb.py 使用ptb.py 计数方法应用于PTB数据集 PTB数据集 内容如下: 一行保存一个句子:将稀有单词替换成特殊字符 < unk > :将具体的数字替换 成“N” we 're talking about years ago before anyone heard of asbestos having any questionable properties there is no asbestos in our products now neither <

  • Python PaddleNLP实现自动生成虎年藏头诗

    目录 一. 数据处理 1.paddlenlp升级 2.提取诗头 3.生成词表 4.定义dataset 二.定义模型并训练 1.模型定义 2.模型训练 3.模型保存 三.生成藏头诗 总结 一. 数据处理 本项目中利用古诗数据集作为训练集,编码器接收古诗的每个字的开头,解码器利用编码器的信息生成所有的诗句.为了诗句之间的连贯性,编码器同时也在诗头之前加上之前诗句的信息.举例: “白日依山尽,黄河入海流,欲穷千里目,更上一层楼.” 可以生成两个样本: 样本一:编码器输入,“白”:解码器输入,“白日依山

  • Pycharm创建文件时自动生成文件头注释(自定义设置作者日期)

    有时候我们传.py文件给别人时,需要添加一些文件头注释.为了不用每次新建文件时都去手动添加作者.创建日期等信息,我们可以设置一套模板,在新建.py文件的时候自动使用这套模板. 一. 模板设置 1.1 操作步骤 打开pycharm后,点击 File --> Settings ,进入设置界面 点击 Editor --> File and Code Templates --> Python Script 在右侧添加上你想注释的内容,如下图所示 代码模板如下(可以根据自己需要进行修改) #!/u

  • SpringBoot如何优雅的整合Swagger Api自动生成文档

    目录 前言 整合swagger api 自定义配置信息 简单使用 Swagger常用注解 Api标记 ApiOperation标记 ApiParam标记 ApiModel标记 ApiModelProperty标记 ApiIgnore标记 ApiImplicitParam标记 ApiImplicitParams标记 总结 前言 一个好的可持续交付的项目,项目说明,和接口文档是必不可少的,swagger api 就可以帮我们很容易自动生成api 文档,不需要单独额外的去写,无侵入式,方便快捷大大减少

  • 详解webpack自动生成html页面

    在项目中我们会不断的添加,优化代码,每次添加优化之后都需要打包进行再次上传更新.这时问题就回来了,每次打包出来js,css文件的名字都是一样的,在首页index.html的引用也不会变,这样老用户在访问这个页面时看到就会是浏览器缓存的版本,而不是最新的版本,想要看到最新版本还要进行清缓存,强制刷新,这显然是不可能的,那我们要如何解决这个问题呢? 首先有同学可能想到每次打包之后我改一下打包出来文件的名字,然后在首页index,html里面把引用代码里的文件名字也改掉就可以了,这种方法是可以的,但是

  • PHP cookie,session的使用与用户自动登录功能实现方法分析

    本文实例讲述了PHP cookie,session的使用与用户自动登录功能实现方法.分享给大家供大家参考,具体如下: cookie的使用 //生成cookie //注释:setcookie() 函数必须位于 <html> 标签之前. //setcookie(name, value, expire, path, domain); //名称,值,过期时间,有效路径,有效域名 //path,可选:如果路径设置为 "/",那么 cookie 将在整个域名内有效.如果路径设置为 &q

  • pycharm自动生成文件注释和函数注释

    1. 文件注释 File -> settings -> Editor -> File and Code Templates -> Python Script pycharm提供了一个在新建文件自动生成文件头注释的功能,可以实现自动生成运行环境,作者.日期等必要信息,使用比较方便,配置十分简单. 按照1-5的路径选项即可.在5中填写想要的注释. 我的模板: # -*- encoding: utf-8 -*- ''' @File : ${NAME}.py @Contact : emac

  • Python 自动化处理Excel和Word实现自动办公

    今天我来分享一些Python办公自动化的方法,欢迎收藏学习,喜欢点赞支持,欢迎畅聊. Openpyxl Openpyxl 可以说是 Python 中最通用的工具模块了,它使与 Excel 交互pip install openpyxl pip install python-docx简直就像在公园里漫步一样. 有了它,你就可以读写所有当前和传统的 excel 格式,即 xlsx 和 xls. Openpyxl 允许填充行和列.执行公式.创建 2D 和 3D 图表.标记轴和标题,以及大量可以派上用场的

  • Java生成堆内存dump的问题

    目录 Java生成堆内存dump 那么java如何打出dump文件呢? jvm生成dump文件 出现OOM时自动生成堆dump 人工通过执行指令,直接生成当前JVM的dump文件 总结 Java生成堆内存dump 在处理压力测试问题的时候,遇到OOM的情况,这时候我们需要去记录内存实时的情况,一般会打出一个dump文件,而后再使用MAT等内存分析工具去查看哪些对象一直占用了大量内存,最终分析出代码需要优化的地方. 那么java如何打出dump文件呢? java提供了jmap命令,如下: jmap

  • RVM安装和使用总结笔记

    安装RVM命令: 复制代码 代码如下: bash < <( curl http://rvm.beginrescueend.com/releases/rvm-install-head ) 然后修改用户配置文件/Users/username/.profile,你也可以写到别的全局配置里. 添加一行代码: 复制代码 代码如下: [[ -s "$HOME/.rvm/scripts/rvm" ]] && . "$HOME/.rvm/scripts/rvm&q

  • Vue2实现组件props双向绑定

    Vue学习笔记-3 前言 Vue 2.x相比较Vue 1.x而言,升级变化除了实现了Virtual-Dom以外,给使用者最大不适就是移除的组件的props的双向绑定功能. 以往在Vue1.x中利用props的twoWay和.sync绑定修饰符就可以实现props的双向绑定功能,但是在Vue2中彻底废弃了此功能,如果需要双向绑定需要自己来实现. Vue2的组件props通信方式 在Vue2中组件的props的数据流动改为了只能单向流动,即只能由组件外(调用组件方)通过组件的DOM属性attribu

随机推荐