基于PaddleNLP ppdiffusers 自动生成【兔了个兔】海报

简介: 基于PaddleNLP ppdiffusers 自动生成【兔了个兔】海报

🧨🧨🧨欢欢喜喜辞旧岁 🐰🐰🐰


image.png


🧨🧨🧨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


/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()

目录
相关文章
|
数据挖掘 大数据 定位技术
精准定位目标客户群市场调研
精准定位目标客户群市场调研
610 2
|
JavaScript Java 测试技术
基于小程序的奶茶点餐小程序+springboot+vue.js附带文章和源代码设计说明文档ppt
基于小程序的奶茶点餐小程序+springboot+vue.js附带文章和源代码设计说明文档ppt
187 2
|
前端开发 异构计算 API
探索Stable Diffusion:从零开始的代码接入创意图像生成指南
探索Stable Diffusion,了解这一图像生成技术,适用于创意设计、内容生成和前端应用。本文从基本概念到实战,教你如何用Python和相关库搭建环境,通过GPU加速,生成基于文本提示的图像。学习多样性和风格融合技巧,解决实践中遇到的问题,如内存溢出和图像模糊。前端开发者可将模型部署为API,实现实时动态图像生成,提升用户体验。一起发掘Stable Diffusion在艺术和设计领域的无限潜力!
682 2
|
存储 Java 数据库连接
南大通用 GBase 8s JDBC字符集参数详解
本文详细介绍了南大通用GBase 8s V8.8 数据中四个关键的JDBC字符集参数:CLIENT_LOCALE、DB_LOCALE、NEWCODESET和NEWLOCALE,涵盖它们的功能、配置方法及其在数据库操作中的作用,旨在帮助开发者和数据库管理员提升数据处理的效率与准确性。
|
监控 测试技术
【问题实战】Jmeter中jtl格式转换图片后如何分开展示各个性能指标?
在使用JMeter进行性能测试时,若希望将不同性能指标(如CPU、DiskIO、Mem)分别显示在不同图片中,需在测试计划中为每个指标添加独立的`jp@gc - PerfMon Metrics Collector`监控器,并设置各自的数据保存路径。通过命令行模式执行压测并使用`JMeterPluginsCMD`工具针对每个生成的`.jtl`文件转换为单独的图片,从而实现分指标展示的效果。这解决了默认情况下所有监控指标显示在同一张图片上的问题。
281 0
【问题实战】Jmeter中jtl格式转换图片后如何分开展示各个性能指标?
|
微服务
三个微服务注册中心eureka、consul、zookeeper之间的异同点以及CAP理论图
三个微服务注册中心eureka、consul、zookeeper之间的异同点以及CAP理论图
512 0
|
C# 数据安全/隐私保护 开发者
『.NET』.NET 中常用的AOP框架——Castle
📣读完这篇文章里你能收获到 - AOP概念介绍 - 结合具体代码讲解.NET项目接入Castle
537 0
『.NET』.NET 中常用的AOP框架——Castle
|
存储 关系型数据库 数据库
RDS(Relational Database Service)性能瓶颈
RDS(Relational Database Service)性能瓶颈
336 4
|
JavaScript
设置VSCode快捷键vue生成代码片段
设置VSCode快捷键vue生成代码片段
设置VSCode快捷键vue生成代码片段
|
存储 前端开发 Linux
DPDK 的虚拟交换机框架 OvS 的基础知识
DPDK 的虚拟交换机框架 OvS 的基础知识