DragGAN 抢先体验与本地部署教程

May 25, 2023

最近风靡全网的DragGAN, 官方代码尚未放出。不过现在已经可以抢先体验啦。

项目地址

• Zeqiang-Lai/DragGAN: 相关代码模型，支持本地部署，Colab在线体验。
• OpenGVLab/InternGPT: 可以免费在线体验

在线体验 #

InternGPT Google Colab CodewithGPU

⚠️ 注意 Google Colab 记得通过代码执行程序/更改运行时类型 选择一块GPU。

本地部署 - Pip Install 方式 #

接来下的图片展示以Windows下的部署为例，Linux下的部署也是相同的

目前， Zeqiang-Lai/DragGAN 的实现已经上传到 PyPI 源上了，因此，我们无需下载代码，只需要使用 pip install 即可进行安装。

安装 Conda #

为了避免依赖冲突，我们首先使用Conda创建一个虚拟环境，如果你还没有安装Conda，可以在 这里下载一个Miniconda。

下载完成后，点击安装包一直下一步就可以了。

创建 Conda 虚拟环境 #

接下来从 Windows 菜单栏选择 Anaconda Powershell Prompt (miniconda3) 进入Conda 的命令行。

进入之后，输入以下指令创建一个名为 draggan 的环境，python 版本为3.7。提示是否继续的时候输入 y 即可继续。

conda create -n draggan python=3.7

因为我这把已经有一个环境叫draggan了，所以图片里用的是draggan2

安装 PyTorch #

我们首先激活一下刚刚创建的环境，输入以下指令即可

conda activate draggan

接着，参考PyTorch的 官方安装教程，

我们可以使用以下指令安装PyTorch，二选一即可，具体选哪个按下载速度自行选择，

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117

conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia

没有GPU的用户用这个指令安装

pip3 install torch torchvision torchaudio

当出现 Successfully installed 就说明安装成功啦，其他 WARNING 都不用管。

安装 DragGAN #

安装完成之后，我们安装DragGAN，这可以通过以下指令进行

pip install draggan

因为一些我也不知道的原因，清华pip源没有同步draggan 这个包，如果你的 pip 配置过清华或国内的pip源，你可能会遇到包找不到的问题

这时候你可以使用这个指令，临时使用官方源进行安装

pip install draggan -i https://pypi.org/simple/

与PyTorch安装类似，当出现 Successfully installed 就说明安装成功了，其他 WARNING 都不用管。

至此，所有依赖安装完成，接下来可以开始运行了。

运行 DragGAN Demo #

你可以通过以下指令运行 DragGAN 的 Demo

python -m draggan.web

如果你不小心关掉了命令行，也不用重新安装，通过 Anaconda Powershell Prompt (miniconda3) 重新进入Conda 的命令行，激活环境，运行即可。

conda activate draggan
python -m draggan.web

没有GPU的用户，使用

python -m draggan.web --device cpu

当出现这个网址的时候 http://127.0.0.1:7860 ，说明程序已经成功运行

将这个网址输入到浏览器里就可以访问到 DragGAN 的 Demo 了

功能介绍 #

界面功能介绍如下

• 选择模型：目前我们提供了10个模型（在web界面选择后会自动下载），不同模型输出图片分辨率，和对显存要求不一样，具体如下

• 最大迭代步数：有些比较困难的拖拽，需要增大迭代次数，当然简单的也可以减少。

• 设置拖拽点对，模型会将蓝色的点拖拽到红色点位置。记住需要在 Setup handle points 设置拖拽点对。

• 设置可变化区域（可选）：这部分是可选的，你只需要设置拖拽点对就可以正常允许。如果你想的话， 你可以在 Draw a mask 这个面板画出你允许模型改变的区域。注意这是一个软约束，即使你加了这个mask，模型还是有可能会改变超出许可范围的区域。

视频教程 #

敬请期待