min-dalle

环境要求

• Python 环境（可直接执行 pip 与 python）
• PyTorch（torch）已安装，GPU 可选，device 支持 "cuda" 或 "cpu"
• 其余依赖 numpy、requests、pillow、torch 由 min-dalle 自动安装
• 如需 GPU 加速，建议使用 Colab T4/P100/A10G 等级显卡（README 给出的参考）

安装与启动步骤

1. 1安装 min-dalle

   README 给出的唯一安装方式，通过 pip 从 PyPI 安装该库及其依赖。

   pip install min-dalle

   复制

2. 2初始化模型

   只加载一次模型参数并复用；首次运行会把所需权重自动下载到 models_root 目录。

   import torch
   from min_dalle import MinDalle
   
   model = MinDalle(
       models_root='./pretrained',
       dtype=torch.float32,
       device='cuda',
       is_mega=True,
       is_reusable=True
   )

   复制

3. 3生成图像

   初始化完成后可反复调用 generate_image，传入英文或中文提示词；seed 用正数可复现结果。

   image = model.generate_image(
       text='Nuclear explosion broccoli',
       seed=-1,
       grid_size=4,
       is_seamless=False,
       temperature=1,
       top_k=256,
       supercondition_factor=32,
       is_verbose=False
   )

   复制

4. 4显示结果

   generate_image 返回图像对象，README 用 display 直接展示；如需保存可用 PIL 的 save 方法。

   display(image)

   复制

关键配置

如何确认成功

模型初始化打印完成后，调用 generate_image 返回图像并用 display(image) 正常显示，即部署成功。

常见问题

注意事项

• 模型参数只需加载一次，请复用同一个 model 对象多次调用 generate_image。
• 每次图像 token 都从 top_k 个最可能的 token 中采样，logits 会先减最大值再除以 temperature。
• is_seamless 为 true 时，图像网格会在 token 空间而非像素空间平铺。
• README 给出参考耗时：Colab T4 约 55 秒、P100 约 33 秒、Hugging Face A10G 约 15 秒生成 3x3 网格。