教程：如何使用 DeepSeek 生成图像

DeepSeek 虽然相对较新，但已在人工智能市场上崭露头角。在 Janus-Pro-7B 的帮助下，DeepSeek 正在图像生成领域掀起波澜。通过分配不同的系统来理解视觉效果并进行创作，Janus Pro 已经能够制作出令人陶醉的图像。在本篇文章中，我们将进一步了解 Janus-Pro，看看如何使用 DeepSeek 生成图像。

什么是 Janus-Pro DeepSeek？

DeepSeek AI 的 Janus-Pro 是一种先进的人工智能模型，既能理解也能生成图像和文本。与传统模型不同，它将视觉处理分为两个不同的系统：一个用于解释图像，另一个用于创建图像。这种分工使 Janus-Pro 能够更准确地处理这两项任务，从而更有效地生成高质量的视觉效果和有意义的文本。

该模型使用 DeepSeek-LLM 处理文本，使用 SigLIP-L 作为视觉编码器，这意味着它可以在处理高分辨率图像的同时，保持对文本的深入理解。它的双通道架构确保了多模态理解和生成之间的无缝整合，使其在艺术创作、内容写作和人工智能辅助图像解读等任务中大显身手。

如何使用 DeepSeek 生成图像

如果想使用DeepSeek生成图像，可以采用以下方法之一：

1. 使用 “Hugging Face”试用 Janus-Pro
2. 在本地运行 Janus-Pro

让我们详细谈谈它们。

1、使用 “Hugging Face” 尝试 Janus-Pro（需魔法）

如果您只想测试 Janus-Pro，而不想创建任何账户，Hugging Face 是您的最佳选择。您可以访问 huggingface.co 并使用该工具。点击超链接进入网站后，你会看到两个选项： 多模态理解和文本到图像生成。

通过这种多模态理解，您可以上传图片，如照片、图表或备忘录，并提出相关问题。例如，你可以上传一张繁忙的街道照片，然后问 “有多少人戴帽子？”或者分享一张图表，然后要求 “总结主要趋势”。该模型会对图片和您的文本进行分析，从而提供详细的答案和见解。

文本到图像生成功能可让您使用简单的提示创建新图像，例如 “创建一张《龙珠 Z》中悟空与《WWE》中布洛克-莱斯纳战斗的图像”。您可以根据需要调整大小或风格等设置。该模型能生成高质量的图像（如 1024×1024 像素），非常适合设计徽标、头脑风暴游戏角色或将创意可视化。

2、在本地运行 Janus-Pro

现在，如果您对演示版感到满意，就可以在本地计算机上安装 Janus-Pro。 不过，在本地安装 Janus-Pro 之前，您必须确保您的计算机满足以下系统要求。

• GPU：具有 16GB+ VRAM 的 NVIDIA GPU（例如 RTX 3090/4090）。
• 内存：最低 16GB（推荐 32GB）。
• 存储：20GB+ 可用空间用于模型和依赖项。
• 系统： Windows 11/10
• 工具：
  
  • Python 3.10+（在安装过程中启用了“添加到 PATH”）。
  • CUDA 工具包（与您的 GPU 驱动程序版本匹配）。
  • Microsoft Visual C++ 生成工具（用于编译包）。

为此，您必须遵循以下步骤：

• 您需要有 Python 3.10+ 和 Windows 版 Git。
• 然后从 developer.nvidia.com 安装 CUDA，从 visualstudio.microsoft.com 安装 Visual Studio，确保勾选 “使用 C++ 进行桌面开发”。
• 现在，我们需要设置环境。您可以在任何地方运行这些命令，但最好在项目目录下打开 Visual Studio Code。
  

  python -m venv janus_env
  janus_env\Scripts\activate

• 然后，我们必须使用以下命令在环境中安装依赖项。
  

  pip install --upgrade pip

  
  

  pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118  
  # Replace "cu118" with your CUDA version

  
  

  pip install transformers sentencepiece accelerate

  
  

  注：在此，我们将升级 PIP，安装 Pytorch，然后安装 HuggingFace 库。

• 现在，在 Visual Studio Code 的同一环境中，创建一个新的 Python 文件，并将其命名为 download-Janus.py。
  

  from transformers import AutoModelForCausalLM, AutoTokenizer
  
  model_name = "deepseek-ai/Janus-Pro-7B"
  
  tokenizer = AutoTokenizer.from_pretrained(model_name)
  
  model = AutoModelForCausalLM.from_pretrained(model_name)
  
  print("Model downloaded!")

• 然后，您必须运行脚本，让它下载模型。

这就是下载 DeepSeek Janus Pro 7B 的方法。

如果您想测试模型，可以运行以下脚本：

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "deepseek-ai/Janus-Pro-7B"

tokenizer = AutoTokenizer.from_pretrained(model_name)

model = AutoModelForCausalLM.from_pretrained(model_name).cuda() # Move to GPU

# Generate an image from text

input_text = "A cyberpunk city with neon lights and flying cars"

inputs = tokenizer(input_text, return_tensors="pt").to("cuda")

outputs = model.generate(**inputs, max_length=150)

response = tokenizer.decode(outputs[0], skip_special_tokens=True)

print("Generated description:", response)

model_name = "deepseek-ai/Janus-Pro-7B"

tokenizer = AutoTokenizer.from_pretrained(model_name)

model = AutoModelForCausalLM.from_pretrained(model_name)

print("Model downloaded!")

希望在本篇文章的帮助下，您能够使用 DeepSeek 生成图像。