min-dalle

收录理由

输入一句自然语言描述，就能得到一组图像，这个项目把 DALL·E Mini 和 Mega 的权重用 PyTorch 重新实现，并精简到只保留推理流程。依赖很少，只有 numpy、requests、pillow 和 torch，装好之后用免费的 Colab GPU 就能跑起来，不必引入沉重的框架。模型只需加载一次，之后可以反复用来生成不同提示词的图片，还提供了 temperature、top-k 以及 supercondition 因子等采样控制项，用来在“贴近文本”和“图像多样性”之间做权衡。渐进式解码输出适合在交互式笔记本里查看，命令行方式则方便批量生成。对于想在本地运行并修改一个紧凑、易读的文本生成图像模型的开发者来说，这是个很直接的起点。