Datawhale X 魔搭 AI夏令营 第四期-AIGC文生图 Task2学习和实际操作日记

Task2是Task1代码的精讲，俗话说得好，授人以鱼不如授人以渔~代码的详细解读，可以帮我们理解大模型的代码编写原理，说不定之后自己可以开发出一款AI应用（梦想还是要有的！）

第一部分，从整体拆分Task1代码

       我们编写代码，是使用Python，而Python本身是不含任何系统库，需要安装所需的系统才行。这一步，就是我在运行task1代码时，出错了好几次的地方（so sad）

       第二步，是加载动漫图像数据集，因为这次的文生图，数据集是基于二次元大数据，所以最终生成的图片都是二次元风格的，如果想要生成别的风格的图片，需要找寻或自己生成数据集。预处理是指，将数据集中的图像，处理成RGB模式（即美术中的三原色，对应三个颜色的不同数值。）

      第三步，前面加载的系统库，通过系统库，对数据进行清洗与过滤，具体过程后面笔记细讲。

      第四步和第五步，模型微调及加载微调后的模型。

      第六步，输入提示词，图片大小的要求，执行次数，最终生成图像！

本次使用通义千问来解读代码

第二部分：代码解读

使用通义千问，给出提示词：“你是一个优秀的python开发工程师，现在我们需要你帮我们分析这个代码的主体框架，你需要把代码按照工作流分成几部分，用中文回答我的问题。{输入所有代码}”

输出分析结果，与老师的分析结果一样：

那么同样，我们可以通过通义千问，得到代码的详细解读。在此就不在一一展示。

第三部分：利用通义千问生成所需图片的提示词

eg. 洞房花烛夜的少妇形象。

给通义千问的提示词：“”

而我的提示词整理如下：

图片编号	场景描述	正向提示词	反向提示词	生成图片问题
图片1	女主是一个古代主母，洞房花烛夜	古风，工笔画，一个身穿红色华丽嫁衣的女子，坐在装饰精美的洞房内，洞房花烛夜，羞涩低头微笑，上半身特写，手中轻握红盖头。	丑陋、变形、嘈杂、模糊、低对比度	并没有低头微笑，而是直视前方微笑
图片2	管家面无表情的阻止女主进入院子	古风，淡墨画，一个身着青衫的中年男子，正面姿势对着我们，站在院门口，面无表情地伸手阻拦状，全身站立姿势，院子内树木葱郁。	丑陋、变形、嘈杂、模糊、低对比度，背面姿势、侧面姿势	就是不生成正面姿势的图片，就是给我背面或者侧面姿势！
图片3	管家恭谨的和老爷说话	古风，细致线条勾勒，一个身着青衫的中年男子，低头恭敬地与一位身穿锦袍的轻年男性者对话，青年男性端坐于太师椅上看不清面容，室内摆放着精致的家具，两人处于室内，上半身特写。	丑陋、变形、嘈杂、模糊、低对比度，色情擦边	希望生成重点是管家，但青年才是重点……
图片4	管家威严的吩咐仆役们做事	古风，水墨渲染，一个身着青色明制服饰的中年男子，站在院子里，威严地向一群仆役下达指令，仆役们围绕着男子，院子宽阔，周围有亭台楼阁，管家全身站立姿势。	丑陋、变形、嘈杂、模糊、低对比度，和仆役背对背，扭曲的手指，多余的手指	服装不对
图片5	管家被你抓住把柄，非常生气	古风，工笔画，一个身着青色明代服饰的中年挽发男子，满脸怒容，手指紧握，似乎被人抓住了把柄，与另一位明代服饰的年轻女性对峙，背景为一处幽静的庭院，管家全身站立姿势。仅两个人物。	丑陋、变形、嘈杂、模糊、低对比度、非古代人物	马马虎虎，但微调不出我想要的感觉
图片6	管家不情愿地给了你钥匙	古风，细腻工笔，一个身着青衫的中年挽发男子，面露不悦之色，勉强地将一把铜制钥匙递给另一位古装长袍的女性，两人站在一处幽静的走廊下，管家上半身特写。	丑陋、变形、嘈杂、模糊、低对比度	这张暂无问题
图片7	管家带人追赶女主	古风，动感线条，一个身着青色明代服饰的中年男子，愤怒地带领数名仆役快速追赶前方逃跑的女子，女子身穿蓝色长裙，场景为园林小径，众人全身奔跑姿势。	丑陋、变形、嘈杂、模糊、低对比度	死活不生成前方被追赶的女性形象……
图片8	管家看着起火的地宅邸，崩溃	古风，细腻工笔，一个身着明代服饰的中年挽发男子，站在熊熊燃烧的大宅前，神情绝望，双手掩面哭泣，背景是烈火冲天的场景，管家全身站立姿势，背部弯曲。	丑陋、变形、嘈杂、模糊、低对比度	那么大个“双手掩面呢”？？？好不容易服饰对了，双手掩面再也没有了！！！

生成的图片质量，说实话，不是很符合我的预想，特别是我需要的人物站位和文生图的人物站位，总是有很大差异。好不容易一个点搞定了，另外的如发型服饰等又出问题了。

生成的图片按顺序：