FreeU: Free Lunch in Diffusion U-Net——【代码复现】

这篇文章发表于CVPR 2024,官网地址:ChenyangSi/FreeU: FreeU: Free Lunch in Diffusion U-Net (CVPR2024 Oral) (github.com)

一、环境准备

提前准备好python、pytorch环境

二、下载项目依赖

demo下有一个requirements.txt文件,

复制代码
pip install -r requirements.txt

三、运行

这个项目运行示例其实相对简单,这里直接跑它的gradio图形化界面就行:

复制代码
python demo/app.py

注:

1. 加载预训练模型:

这里我们要在app.py中把它默认的模型加载路径改成我们自己的,当然你也可以直接用默认的。前提是你的模型放在根目录下。

2.gradio版本

这个项目它需要使用gradio<=3.50.0的,不要超过3.50.0。

3.设置url

如果是在服务器上跑的代码,在我们本机这里是无法访问服务器的端口地址的,所以我们在app.py文件中,需要设置一下启动参数,我们需要将server_name改成服务器的ip地址,server_port是设置的端口号。然后再启动我们就可以在自己的电脑上用浏览器访问了。

4.diffusers版本

如果遇到这种类似的问题,看看你的diffusers版本是否和项目需求一致,这个diffusers包版本之间不兼容,真是特别让人头疼的地方。

四、图片生成

一切顺利的话,访问url,图形化界面如下:

这里我直接使用它的示例提示测试了一下,效果如下:

相关推荐
摘星星的屋顶5 分钟前
论文阅读记录之《VelocityGPT 》
论文阅读·人工智能·深度学习·学习
格林威20 分钟前
工业相机如何通过光度立体成像技术实现高效精准的2.5D缺陷检测
人工智能·深度学习·数码相机·yolo·计算机视觉
虚拟现实旅人1 小时前
【机器学习】通过tensorflow实现猫狗识别的深度学习进阶之路
深度学习·机器学习·tensorflow
胡耀超1 小时前
5、Python-NumPy科学计算基础
开发语言·人工智能·python·深度学习·numpy
盼小辉丶1 小时前
生成模型与概率分布基础
深度学习·生成模型
茜茜西西CeCe1 小时前
数字图像处理-图像的基本运算
图像处理·人工智能·计算机视觉·matlab·图像的基本运算
Monkey的自我迭代2 小时前
图像直方图
图像处理·人工智能·计算机视觉
colus_SEU2 小时前
【卷积神经网络详解与实例】4——感受野
人工智能·深度学习·计算机视觉·cnn
AndrewHZ3 小时前
【图像处理基石】图像处理中的边缘检测算法及应用场景
图像处理·算法·计算机视觉·cv·算子·边缘检测
luoganttcc4 小时前
PyTorch 中nn.Embedding
pytorch·深度学习·embedding