parent
18e6a9852f
commit
e7001f063c
8 changed files with 182 additions and 344 deletions
After Width: | Height: | Size: 55 KiB |
@ -0,0 +1,129 @@ |
|||||||
|
import argparse |
||||||
|
import os |
||||||
|
import json |
||||||
|
import numpy |
||||||
|
from PIL import Image |
||||||
|
from typing import Tuple, List |
||||||
|
|
||||||
|
from min_dalle.load_params import load_dalle_bart_flax_params |
||||||
|
from min_dalle.text_tokenizer import TextTokenizer |
||||||
|
from min_dalle.min_dalle_flax import generate_image_tokens_flax |
||||||
|
from min_dalle.min_dalle_torch import ( |
||||||
|
generate_image_tokens_torch, |
||||||
|
detokenize_torch |
||||||
|
) |
||||||
|
|
||||||
|
|
||||||
|
parser = argparse.ArgumentParser() |
||||||
|
parser.add_argument( |
||||||
|
'--text', |
||||||
|
help='text to generate image from', |
||||||
|
type=str |
||||||
|
) |
||||||
|
parser.add_argument( |
||||||
|
'--seed', |
||||||
|
help='random seed', |
||||||
|
type=int, |
||||||
|
default=0 |
||||||
|
) |
||||||
|
parser.add_argument( |
||||||
|
'--mega', |
||||||
|
help='use larger dalle mega model', |
||||||
|
action=argparse.BooleanOptionalAction |
||||||
|
) |
||||||
|
parser.add_argument( |
||||||
|
'--torch', |
||||||
|
help='use torch transformers', |
||||||
|
action=argparse.BooleanOptionalAction |
||||||
|
) |
||||||
|
parser.add_argument( |
||||||
|
'--image_path', |
||||||
|
help='path to save generated image', |
||||||
|
type=str, |
||||||
|
default='generated.png' |
||||||
|
) |
||||||
|
parser.add_argument( |
||||||
|
'--image_token_count', |
||||||
|
help='number of image tokens to generate (for debugging)', |
||||||
|
type=int, |
||||||
|
default=256 |
||||||
|
) |
||||||
|
|
||||||
|
|
||||||
|
def load_dalle_bart_metadata(path: str) -> Tuple[dict, dict, List[str]]: |
||||||
|
print("loading model") |
||||||
|
for f in ['config.json', 'flax_model.msgpack', 'vocab.json', 'merges.txt']: |
||||||
|
assert(os.path.exists(os.path.join(path, f))) |
||||||
|
with open(path + '/config.json', 'r') as f: |
||||||
|
config = json.load(f) |
||||||
|
with open(path + '/vocab.json') as f: |
||||||
|
vocab = json.load(f) |
||||||
|
with open(path + '/merges.txt') as f: |
||||||
|
merges = f.read().split("\n")[1:-1] |
||||||
|
return config, vocab, merges |
||||||
|
|
||||||
|
|
||||||
|
def ascii_from_image(image: Image.Image, size: int) -> str: |
||||||
|
rgb_pixels = image.resize((size, int(0.55 * size))).convert('L').getdata() |
||||||
|
chars = list('.,;/IOX') |
||||||
|
chars = [chars[i * len(chars) // 256] for i in rgb_pixels] |
||||||
|
chars = [chars[i * size: (i + 1) * size] for i in range(size // 2)] |
||||||
|
return '\n'.join(''.join(row) for row in chars) |
||||||
|
|
||||||
|
|
||||||
|
def save_image(image: numpy.ndarray, path: str) -> Image.Image: |
||||||
|
if os.path.isdir(path): |
||||||
|
path = os.path.join(path, 'generated.png') |
||||||
|
elif not path.endswith('.png'): |
||||||
|
path += '.png' |
||||||
|
print("saving image to", path) |
||||||
|
image: Image.Image = Image.fromarray(numpy.asarray(image)) |
||||||
|
image.save(path) |
||||||
|
return image |
||||||
|
|
||||||
|
|
||||||
|
def tokenize_text( |
||||||
|
text: str, |
||||||
|
config: dict, |
||||||
|
vocab: dict, |
||||||
|
merges: List[str] |
||||||
|
) -> numpy.ndarray: |
||||||
|
print("tokenizing text") |
||||||
|
tokens = TextTokenizer(vocab, merges)(text) |
||||||
|
print("text tokens", tokens) |
||||||
|
text_tokens = numpy.ones((2, config['max_text_length']), dtype=numpy.int32) |
||||||
|
text_tokens[0, :len(tokens)] = tokens |
||||||
|
text_tokens[1, :2] = [tokens[0], tokens[-1]] |
||||||
|
return text_tokens |
||||||
|
|
||||||
|
|
||||||
|
if __name__ == '__main__': |
||||||
|
args = parser.parse_args() |
||||||
|
|
||||||
|
model_name = 'mega' if args.mega == True else 'mini' |
||||||
|
model_path = './pretrained/dalle_bart_{}'.format(model_name) |
||||||
|
config, vocab, merges = load_dalle_bart_metadata(model_path) |
||||||
|
text_tokens = tokenize_text(args.text, config, vocab, merges) |
||||||
|
params_dalle_bart = load_dalle_bart_flax_params(model_path) |
||||||
|
|
||||||
|
image_tokens = numpy.zeros(config['image_length']) |
||||||
|
if args.torch == True: |
||||||
|
image_tokens[:args.image_token_count] = generate_image_tokens_torch( |
||||||
|
text_tokens = text_tokens, |
||||||
|
seed = args.seed, |
||||||
|
config = config, |
||||||
|
params = params_dalle_bart, |
||||||
|
image_token_count = args.image_token_count |
||||||
|
) |
||||||
|
else: |
||||||
|
image_tokens[...] = generate_image_tokens_flax( |
||||||
|
text_tokens = text_tokens, |
||||||
|
seed = args.seed, |
||||||
|
config = config, |
||||||
|
params = params_dalle_bart, |
||||||
|
) |
||||||
|
|
||||||
|
if args.image_token_count == config['image_length']: |
||||||
|
image = detokenize_torch(image_tokens) |
||||||
|
image = save_image(image, args.image_path) |
||||||
|
print(ascii_from_image(image, size=128)) |
@ -1,126 +0,0 @@ |
|||||||
import jax |
|
||||||
from jax import numpy as jnp |
|
||||||
import numpy |
|
||||||
import argparse |
|
||||||
|
|
||||||
from min_dalle.load_params import load_dalle_bart_flax_params |
|
||||||
from min_dalle.image_from_text import ( |
|
||||||
load_dalle_bart_metadata, |
|
||||||
tokenize, |
|
||||||
detokenize_torch, |
|
||||||
save_image, |
|
||||||
ascii_from_image |
|
||||||
) |
|
||||||
from min_dalle.models.dalle_bart_encoder_flax import DalleBartEncoderFlax |
|
||||||
from min_dalle.models.dalle_bart_decoder_flax import DalleBartDecoderFlax |
|
||||||
|
|
||||||
|
|
||||||
parser = argparse.ArgumentParser() |
|
||||||
parser.add_argument( |
|
||||||
'--text', |
|
||||||
help='text to generate image from', |
|
||||||
type=str |
|
||||||
) |
|
||||||
parser.add_argument( |
|
||||||
'--seed', |
|
||||||
help='random seed', |
|
||||||
type=int, |
|
||||||
default=0 |
|
||||||
) |
|
||||||
parser.add_argument( |
|
||||||
'--image_path', |
|
||||||
help='generated image path', |
|
||||||
type=str, |
|
||||||
default='generated.png' |
|
||||||
) |
|
||||||
parser.add_argument( |
|
||||||
'--dalle_bart_path', |
|
||||||
help='pretraied dalle bart path', |
|
||||||
type=str, |
|
||||||
default='./pretrained/dalle_bart_mini' |
|
||||||
) |
|
||||||
parser.add_argument( |
|
||||||
'--vqgan_path', |
|
||||||
help='pretraied vqgan path', |
|
||||||
type=str, |
|
||||||
default='./pretrained/vqgan' |
|
||||||
) |
|
||||||
|
|
||||||
|
|
||||||
def encode_flax( |
|
||||||
text_tokens: numpy.ndarray, |
|
||||||
config: dict, |
|
||||||
params: dict |
|
||||||
) -> jnp.ndarray: |
|
||||||
print("loading flax encoder") |
|
||||||
encoder: DalleBartEncoderFlax = DalleBartEncoderFlax( |
|
||||||
attention_head_count = config['encoder_attention_heads'], |
|
||||||
embed_count = config['d_model'], |
|
||||||
glu_embed_count = config['encoder_ffn_dim'], |
|
||||||
text_token_count = config['max_text_length'], |
|
||||||
text_vocab_count = config['encoder_vocab_size'], |
|
||||||
layer_count = config['encoder_layers'] |
|
||||||
).bind({'params': params.pop('encoder')}) |
|
||||||
|
|
||||||
print("encoding text tokens") |
|
||||||
encoder_state = encoder(text_tokens) |
|
||||||
del encoder |
|
||||||
return encoder_state |
|
||||||
|
|
||||||
def decode_flax( |
|
||||||
text_tokens: jnp.ndarray, |
|
||||||
encoder_state: jnp.ndarray, |
|
||||||
config: dict, |
|
||||||
seed: int, |
|
||||||
params: dict |
|
||||||
) -> jnp.ndarray: |
|
||||||
print("loading flax decoder") |
|
||||||
decoder = DalleBartDecoderFlax( |
|
||||||
image_token_count = config['image_length'], |
|
||||||
text_token_count = config['max_text_length'], |
|
||||||
image_vocab_count = config['image_vocab_size'], |
|
||||||
attention_head_count = config['decoder_attention_heads'], |
|
||||||
embed_count = config['d_model'], |
|
||||||
glu_embed_count = config['decoder_ffn_dim'], |
|
||||||
layer_count = config['decoder_layers'], |
|
||||||
start_token = config['decoder_start_token_id'] |
|
||||||
) |
|
||||||
print("sampling image tokens") |
|
||||||
image_tokens = decoder.sample_image_tokens( |
|
||||||
text_tokens, |
|
||||||
encoder_state, |
|
||||||
jax.random.PRNGKey(seed), |
|
||||||
params.pop('decoder') |
|
||||||
) |
|
||||||
del decoder |
|
||||||
return image_tokens |
|
||||||
|
|
||||||
def generate_image_tokens_flax( |
|
||||||
text: str, |
|
||||||
seed: int, |
|
||||||
dalle_bart_path: str |
|
||||||
) -> numpy.ndarray: |
|
||||||
config, vocab, merges = load_dalle_bart_metadata(dalle_bart_path) |
|
||||||
text_tokens = tokenize(text, config, vocab, merges) |
|
||||||
params_dalle_bart = load_dalle_bart_flax_params(dalle_bart_path) |
|
||||||
encoder_state = encode_flax(text_tokens, config, params_dalle_bart) |
|
||||||
image_tokens = decode_flax( |
|
||||||
text_tokens, |
|
||||||
encoder_state, |
|
||||||
config, seed, |
|
||||||
params_dalle_bart |
|
||||||
) |
|
||||||
return numpy.array(image_tokens) |
|
||||||
|
|
||||||
if __name__ == '__main__': |
|
||||||
args = parser.parse_args() |
|
||||||
|
|
||||||
image_tokens = generate_image_tokens_flax( |
|
||||||
args.text, |
|
||||||
args.seed, |
|
||||||
args.dalle_bart_path |
|
||||||
) |
|
||||||
print("image tokens", list(image_tokens)) |
|
||||||
image = detokenize_torch(image_tokens, args.vqgan_path) |
|
||||||
image = save_image(image, args.image_path) |
|
||||||
print(ascii_from_image(image, size=128)) |
|
@ -1,70 +0,0 @@ |
|||||||
import os |
|
||||||
import json |
|
||||||
import numpy |
|
||||||
import torch |
|
||||||
from PIL import Image |
|
||||||
from typing import Tuple, List |
|
||||||
|
|
||||||
from .text_tokenizer import TextTokenizer |
|
||||||
from .models.vqgan_detokenizer import VQGanDetokenizer |
|
||||||
from .load_params import load_vqgan_torch_params |
|
||||||
|
|
||||||
|
|
||||||
def load_dalle_bart_metadata(path: str) -> Tuple[dict, dict, List[str]]: |
|
||||||
print("loading model") |
|
||||||
for f in ['config.json', 'flax_model.msgpack', 'vocab.json', 'merges.txt']: |
|
||||||
assert(os.path.exists(os.path.join(path, f))) |
|
||||||
with open(path + '/config.json', 'r') as f: |
|
||||||
config = json.load(f) |
|
||||||
with open(path + '/vocab.json') as f: |
|
||||||
vocab = json.load(f) |
|
||||||
with open(path + '/merges.txt') as f: |
|
||||||
merges = f.read().split("\n")[1:-1] |
|
||||||
return config, vocab, merges |
|
||||||
|
|
||||||
|
|
||||||
def ascii_from_image(image: Image.Image, size: int) -> str: |
|
||||||
rgb_pixels = image.resize((size, int(0.55 * size))).convert('L').getdata() |
|
||||||
chars = list('.,;/IOX') |
|
||||||
chars = [chars[i * len(chars) // 256] for i in rgb_pixels] |
|
||||||
chars = [chars[i * size: (i + 1) * size] for i in range(size // 2)] |
|
||||||
return '\n'.join(''.join(row) for row in chars) |
|
||||||
|
|
||||||
|
|
||||||
def save_image(image: numpy.ndarray, path: str) -> Image.Image: |
|
||||||
if os.path.isdir(path): |
|
||||||
path = os.path.join(path, 'generated.png') |
|
||||||
elif not path.endswith('.png'): |
|
||||||
path += '.png' |
|
||||||
print("saving image to", path) |
|
||||||
image: Image.Image = Image.fromarray(numpy.asarray(image)) |
|
||||||
image.save(path) |
|
||||||
return image |
|
||||||
|
|
||||||
|
|
||||||
def tokenize( |
|
||||||
text: str, |
|
||||||
config: dict, |
|
||||||
vocab: dict, |
|
||||||
merges: List[str] |
|
||||||
) -> numpy.ndarray: |
|
||||||
print("tokenizing text") |
|
||||||
tokens = TextTokenizer(vocab, merges)(text) |
|
||||||
print("text tokens", tokens) |
|
||||||
text_tokens = numpy.ones((2, config['max_text_length']), dtype=numpy.int32) |
|
||||||
text_tokens[0, :len(tokens)] = tokens |
|
||||||
text_tokens[1, :2] = [tokens[0], tokens[-1]] |
|
||||||
return text_tokens |
|
||||||
|
|
||||||
|
|
||||||
def detokenize_torch( |
|
||||||
image_tokens: numpy.ndarray, |
|
||||||
model_path: str |
|
||||||
) -> numpy.ndarray: |
|
||||||
print("detokenizing image") |
|
||||||
params = load_vqgan_torch_params(model_path) |
|
||||||
detokenizer = VQGanDetokenizer() |
|
||||||
detokenizer.load_state_dict(params) |
|
||||||
image_tokens = torch.tensor(image_tokens).to(torch.long) |
|
||||||
image = detokenizer.forward(image_tokens).to(torch.uint8) |
|
||||||
return image.detach().numpy() |
|
Loading…
Reference in new issue