DiscoArt 是一個很牛逼的開源模塊，它能根據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：
1.準備

開始之前，你要確保Python和pip已經成功安裝在電腦上，如果沒有，可以訪問這篇文章：超詳細Python安裝指南 進行安裝。

**(可選1) **如果你用Python的目的是數據分析，可以直接安裝Anaconda：Python數據分析與挖掘好幫手—Anaconda，它內置了Python和pip.

**(可選2) **此外，推薦大家用VSCode編輯器，它有許多的優點：Python 編程的最好搭檔—VSCode 詳細指南。

請選擇以下任一種方式輸入命令安裝依賴 ：

1. Windows 環境 打開 Cmd (開始-運行-CMD)。
2. MacOS 環境 打開 Terminal (command+空格輸入Terminal)。
3. 如果你用的是 VSCode編輯器 或 Pycharm，可以直接使用界面下方的Terminal.

pip install discoart

為了運行 Discoart， 你需要Python 3.7+ 和支持 CUDA 的 PyTorch.

2.開始使用 Discoart

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

da = create()

這樣將使用默認的 文本描述 和參數創建圖像：

上滑查看更多代碼

text_prompts:
  - A beautiful painting of a singular lighthouse, shining its light across a tumultuous sea of blood by greg rutkowski and thomas kinkade, Trending on artstation.
  - yellow color scheme

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:512x512_diffusion_uncond_finetune_008100
use_secondary_model: True
diffusion_sampling_mode: ddim

perlin_init: False
perlin_mode: mixed
seed:
eta:0.8
clamp_grad: True
clamp_max:0.05

randomize_class: True
clip_denoised: False
rand_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::openai
-ViT-B-16::openai
-RN50::openai
clip_models_schedules:

use_vertical_symmetry: False
use_horizontal_symmetry: False
transformation_percent: [0.09]

on_misspelled_token: ignore
diffusion_model_config:
cut_schedules_group:
name_docarray:
skip_event:
stop_event:
text_clip_on_cpu: False
truncate_overlength_prompt: False
image_output: True
visualize_cuts: False
display_rate:1

Create 支持的所有參數如下：

上滑查看更多代碼

text_prompts:
  - A beautiful painting of a singular lighthouse, shining its light across a tumultuous sea of blood by greg rutkowski and thomas kinkade, Trending on artstation.
  - yellow color scheme

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:512x512_diffusion_uncond_finetune_008100
use_secondary_model: True
diffusion_sampling_mode: ddim

perlin_init: False
perlin_mode: mixed
seed:
eta:0.8
clamp_grad: True
clamp_max:0.05

randomize_class: True
clip_denoised: False
rand_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::openai
-ViT-B-16::openai
-RN50::openai
clip_models_schedules:

use_vertical_symmetry: False
use_horizontal_symmetry: False
transformation_percent: [0.09]

on_misspelled_token: ignore
diffusion_model_config:
cut_schedules_group:
name_docarray:
skip_event:
stop_event:
text_clip_on_cpu: False
truncate_overlength_prompt: False
image_output: True
visualize_cuts: False
display_rate:1

你可以這么使用參數：

from discoart import create

da = create(
    text_prompts='A painting of sea cliffs in a tumultuous storm, Trending on ArtStation.',
    init_image='https://d2vyhzeko0lke5.cloudfront.net/2f4f6dfa5a05e078469ebe57e77b72f0.png',
    skip_steps=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建在當前工作目錄下，即

./{name-docarray}/{i}-done.png
./{name-docarray}/{i}-step-{j}.png
./{name-docarray}/{i}-progress.png
./{name-docarray}/{i}-progress.gif
./{name-docarray}/da.protobuf.lz4

• 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。

3.顯示/保存/加載配置

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_config(da) # show the config of the first run
show_config(da[3]) # show the config of the fourth run
show_config(
    '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

save_config(da, 'my.yml') # save the config of the first run
save_config(da[3], 'my.yml') # save the config of the fourth run

從配置中導入：

from discoart import create, load_config

config = load_config('my.yml')
create(**config)

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

save_config_svg(da)