可视化聊天GPT

Visual ChatGPT连接 ChatGPT 和一系列 Visual Foundation 模型，以实现在聊天期间发送和接收图像。

请参阅我们的论文：Visual ChatGPT：使用 Visual Foundation 模型进行对话、绘图和编辑

更新：

添加自定义 GPU/CPU 分配
添加窗口支持
合并 HuggingFace ControlNet，删除 download.sh
添加提示装饰器
添加 HuggingFace 和 Colab 演示
清洁要求

洞察力和目标：

一方面， ChatGPT（或 LLM）充当通用界面，提供对广泛主题的广泛且多样化的理解。另一方面，基础模型通过提供特定领域的深入知识来充当领域专家。通过利用一般知识和深层知识，我们的目标是构建一个能够处理各种任务的人工智能。

演示

系统架构

快速入门

 # clone the repo
git clone https://github.com/microsoft/visual-chatgpt.git

# Go to directory
cd visual-chatgpt

# create a new environment
conda create -n visgpt python=3.8

# activate the new environment
conda activate visgpt

#  prepare the basic environments
pip install -r requirements.txt

# prepare your private OpenAI key (for Linux)
export OPENAI_API_KEY={Your_Private_Openai_Key}

# prepare your private OpenAI key (for Windows)
set OPENAI_API_KEY={Your_Private_Openai_Key}

# Start Visual ChatGPT !
# You can specify the GPU/CPU assignment by "--load", the parameter indicates which 
# Visual Foundation Model to use and where it will be loaded to
# The model and device are sperated by underline '_', the different models are seperated by comma ','
# The available Visual Foundation Models can be found in the following table
# For example, if you want to load ImageCaptioning to cpu and Text2Image to cuda:0
# You can use: "ImageCaptioning_cpu,Text2Image_cuda:0"

# Advice for CPU Users
python visual_chatgpt.py --load ImageCaptioning_cpu,Text2Image_cpu

# Advice for 1 Tesla T4 15GB  (Google Colab)                       
python visual_chatgpt.py --load "ImageCaptioning_cuda:0,Text2Image_cuda:0"
                                
# Advice for 4 Tesla V100 32GB                            
python visual_chatgpt.py --load "ImageCaptioning_cuda:0,ImageEditing_cuda:0,
    Text2Image_cuda:1,Image2Canny_cpu,CannyText2Image_cuda:1,
    Image2Depth_cpu,DepthText2Image_cuda:1,VisualQuestionAnswering_cuda:2,
    InstructPix2Pix_cuda:2,Image2Scribble_cpu,ScribbleText2Image_cuda:2,
    Image2Seg_cpu,SegText2Image_cuda:2,Image2Pose_cpu,PoseText2Image_cuda:2,
    Image2Hed_cpu,HedText2Image_cuda:3,Image2Normal_cpu,
    NormalText2Image_cuda:3,Image2Line_cpu,LineText2Image_cuda:3"

GPU 内存使用情况

这里我们列出了每个 Visual Foundation 模型的 GPU 内存使用情况，您可以指定您喜欢哪一个：

基础模型	GPU 内存 (MB)
图像编辑	3981
指导Pix2Pix	2827
文字转图像	3385
图像字幕	1209
图像2Canny	0
CannyText2Image	3531
图像2线	0
行文字转图像	3529
图像2Hed	0
HedText2Image	3529
图像2涂鸦	0
涂鸦文字转图像	3531
图像2姿势	0
姿势文本2图像	3529
图像2段	919
分段文本2图像	3529
图像2深度	0
深度文本2图像	3531
图像2法线	0
普通文本转图像	3529
视觉问答	1495