快手可图环境搭建&推理测试

引子

快手开源的东西还是第一次接触，看量子位推的软文，还是很惊艳的。那就自己上手看看了。OK，那就让我们开始吧。

一、模型介绍

可图大模型是由快手可图团队开发的基于潜在扩散的大规模文本到图像生成模型。Kolors 在数十亿图文对下进行训练，在视觉质量、复杂语义理解、文字生成（中英文字符）等方面，相比于开源/闭源模型，都展示出了巨大的优势。同时，Kolors 支持中英双语，在中文特色内容理解方面更具竞争力。为了全面比较 Kolors 与其他模型的生成能力，我们构建了包含人工评估、机器评估的全面评测内容。 在相关基准评测中，Kolors 具有非常有竞争力的表现，达到业界领先水平。我们构建了一个包含14种垂类，12个挑战项，总数量为一千多个 prompt 的文生图评估集 KolorsPrompts。在 KolorsPrompts 上，我们收集了 Kolors 与市面上常见的 SOTA 级别的开源/闭源系统的文生图结果，并进行了人工评测和机器评测。

二、环境搭建

1、代码下载

git clone GitHub - Kwai-Kolors/Kolors: Kolors Team

2、模型下载

https://huggingface.co/Kwai-Kolors/Kolors/tree/main

3、安装环境

docker run -it --gpus=all --rm -v /datas/work/zzq/:/workspace pytorch/pytorch:1.13.1-cuda11.6-cudnn8-runtime bash

cd /workspace/Kolors/Kolors

pip install -r requirements.txt

python setup.py install

三、推理测试

修改代码

python3 scripts/sample.py "一张瓢虫的照片，微距，变焦，高质量，电影，拿着一个牌子，写着“可图”"

最终效果