这两天有一个AI拖动改图的项目特别火，看官方共享的演示视频，作用特别震撼！
为了获取第一手的实在体会，我也第一时间布置了这个项目，并实践体会了一下。
坦白的说，它的实践作用和演示视频还是有些距离的，操作上并没有那么顺滑，一是主动生成的UI，交互体会不太友爱，二是它对核算资源的要求比较高，假如机器不行会比较卡。对项目比较了解的大佬在回应网友时也说到这仅仅一个研讨项目，和商用产品还有比较大的距离。
不过这个东西的确能解决一些问题，比方想给照片中的人或者动物换个优美的姿态，以及重新设计产品的外观等。或许再经过一段时间的迭代，它就能像AI绘图一样让咱们爱不释手了。所以，我还是详细共享下我的体会进程，也给想尝试的同学供给一个参阅。
装置说明
这个项目是在Github上开源的，本质是基于生成对立网络的深度学习模型，拜访地址：github.com/XingangPan/…
一开端我本来打算自己搭建环境布置，但是总遇到各种问题，折腾了几下就抛弃了，后来在项目的Issues讨论区中看到有Google Colab版别，所以就直接拿过来跑了。
这是我的notebook，咱们能够直接复制运转：colab.research.google.com/drive/1Cah5…
代码很简单，我这儿简单介绍下：
!git clone https://huggingface.co/spaces/radames/DragGan/
!pip install -r /content/DragGan/requirements.txt
%cd /content/DragGan
!python visualizer_drag_gradio.py --share
首先是从huggingface复制核心程序，由此可见大佬是在huggingface完结初度程序布置的；然后装置Gradio及其依靠的程序包；最后进入程序目录，发动程序。
这儿为什么要装Gradio？首先这是一个让模型可视化的东西，便利咱们进行调测；其次程序是在notebook中运转的，默认只能本机拜访，Gradio能够做一个内网穿透，这样咱们就能够在本地的浏览器操作。
为了给没操作过Google Colab的同学一些指引，我这儿说下如何发动Notebook。
进入Notebook后，首先点击右上角这儿的“连接”，Notebook就会主动创建服务器并发动它。
服务器发动成功后，这儿会显现内存和磁盘的监控缩略图：
点击右侧的这个小箭头，在打开的下拉菜单中点击“查看资源”，就能够看到内存、GPU和磁盘的状况：
注意上图中的“GPU RAM”，这个代表显卡的显存运用状况，假如你的资源中没有这个项目，说明没有启用GPU，需要点击页面下方的“更改运转时类型”，在这儿挑选“硬件加速器”为GPU，GPU类型挑选T4，假如付费了能够挑选更好的。
服务器正常发动后，咱们点击代码区域的这个小图标，然后程序就开端运转了，代码的下方会输出程序运转的日志。
程序发动成功后，日志这儿会输出外网能够拜访的Gradio地址，直接点击就会在浏览器打开。
运用说明
在打开的浏览器页面中，你会看到相似下图的一个页面：左边是一些操控参数和操作按钮，右边是待处理的图片区域。
这儿咱们做一个运用演示：
在页面的左上角，Pretrained Model 这儿，咱们挑选 “stylegan2_dogs_1024_pytorch”，这是一些狗狗的预训练模型。模型选中后，右边就会加载一张狗狗的图片，这个图片是随机的。调整左侧的“See点”能够更换图片。
我这儿的这个狗狗目光看向右边，我想让他把头扭过来，看着观众，这样能够添加一些亲近感！
具体操作过程是：
1、在图片上点击想要拖拽的地方，点击结束后，程序会进行一次处理，等候处理结束，会显现一个赤色的点。
2、在图片上点击要拖动到的地方，点击结束后，程序还是会进行一次处理，等候即可，最后会显现一个蓝色的点。
3、点击Mask区域的“Edit Flexible Area”，点击结束后，程序会进行一次处理，等候处理结束。
4、然后咱们点击图片右上角这个笔刷的按钮，把笔刷调整的大些，这样比较好涂抹。
5、然后涂抹，把狗狗的头部隐瞒住，这一步的目的便是让拖动作用只影响隐瞒的部分。
6、然后点击“Start”，开端拖拽调整。
能够看到图像会一步步接近咱们的拖放点。
7、这个调整程序有时候长时间停不下来，能够点击“Stop”按钮停止运转，也能够改写页面重载程序。
8、假如调整的作用不满意，能够多次调整，直到调整到最佳方位。
我这儿技巧掌握的还不是很好，调整出来有点怪。
以上便是本文的主要内容了，从我的实践体会来说，比较卡，没有官宣的那么丝滑，或许是因为显卡的才能不行，有更好显卡的同学能够再试试，还有一部分原因是UI交互设计上的问题，每点一下图片部分都要重绘，加上网络传输，每次操作都要耗费若干秒或十几秒，应该能够兼并一些前端操作再发到后端处理。
因自己才能有限，不免出现错漏，欢迎指正，感谢你的阅览。
