幾個禮拜前看到「Show HN: I stripped DALL·E Mini to its bare essentials and converted it to Torch (github.com/kuprel)」這個東西，有訓練好的 model 可以直接玩文字轉圖片，GitHub 專案在「min(DALL·E) is a fast, minimal port of DALL·E Mini to PyTorch」這邊可以取得。
因為這是包裝過的版本，裝起來 & 跑起來都很簡單，但沒想到桌機的 1080 Ti 還是跑不動，只能用 CPU 硬扛了，速度上當然是比官網上面列出來用 GPU 的那些慢很多，但至少能跑起來玩看看。
首先是拿官方的句子來玩看看，第一次跑會需要下載 model (會放到我們指定的 pretrained 目錄下)：
#!/usr/bin/env python3
from min_dalle import MinDalle
import torch
model = MinDalle(
models_root='./pretrained',
dtype=torch.float32,
device='cpu',
is_mega=True,
is_reusable=False,
)
images = model.generate_image(
text='Nuclear explosion broccoli',
seed=-1,
grid_size=2,
is_seamless=False,
temperature=1,
top_k=256,
supercondition_factor=32,
is_verbose=False,
)
images = images.save('test.png')
我自己在下載過後，跑每個生成大概都需要十分鐘左右 (參數就像上面列的，CPU 是 AMD 的 5800X，定頻跑在 4.5GHz)，出來的結果是這樣：
接著是一些比較普通的描述，這是 sleeping fat cats：
然後來測試看看一些比較偏門的詞，像是 Lolicon，這個就差蠻多了：
但感覺有蠻多應用可以掛上去，這樣有點想買張 3090 了...
