人工智能太疯狂，传统劳动力和内容创作平台被AI枪毙，弃尸尘埃。并非空穴来风，也不是危言耸听，人工智能AI图像增强框架ControlNet正在疯狂地改写绘画艺术的发展进程，你问我绘画行业未来的样子？我只好指着ControlNet的方向。本次我们在M1/M2芯片的Mac系统下，体验人工智能登峰造极的绘画艺术。

本地安装和配置ControlNet

ControlNet在HuggingFace训练平台上也有体验版，请参见： ，但由于公共平台算力有限，同时输入参数也受到平台的限制，一次只能训练一张图片，不能让人开怀畅饮。

为了能和史上最伟大的图像增强框架ControlNet一亲芳泽，我们选择本地搭建ControlNet环境，首先运行Git命令拉取官方的线上代码：

git clone 

拉取成功后，进入项目目录：

cd ControlNet

由于Github对文件大小有限制，所以ControlNet的训练模型只能单独下载，模型都放在HuggingFace平台上：，需要注意的是，每个模型的体积都非常巨大，达到了5.71G，令人乍舌。

下载好模型后，需要将其放到ControlNet的models目录中：

├── models│   ├── cldm_v15.yaml│   ├── cldm_v21.yaml│   └── control_sd15_canny.pth

这里笔者下载了control_sd15_canny.pth模型，即放入models目录中，其他模型也是一样。

随后安装运行环境，官方推荐使用conda虚拟环境，安装好conda后，运行命令激活虚拟环境即可：

conda env create -f environment.yamlconda activate control

但笔者查看了官方的environment.yaml配置文件：

name: controlchannels:  - pytorch  - defaultsdependencies:  - python=3.8.5  - pip=20.3  - cudatoolkit=11.3  - pytorch=1.12.1  - torchvision=0.13.1  - numpy=1.23.1  - pip:      - gradio==3.16.2      - albumentations==1.3.0      - opencv-contrib-python==4.3.0.36      - imageio==2.9.0      - imageio-ffmpeg==0.4.2      - pytorch-lightning==1.5.0      - omegaconf==2.1.1      - test-tube>=0.7.5      - streamlit==1.12.1      - einops==0.3.0      - transformers==4.19.2      - webdataset==0.2.5      - kornia==0.6      - open_clip_torch==2.0.2      - invisible-watermark>=0.1.5      - streamlit-drawable-canvas==0.8.0      - torchmetrics==0.6.0      - timm==0.6.12      - addict==2.4.0      - yapf==0.32.0      - prettytable==3.6.0      - safetensors==0.2.7      - basicsr==1.4.2

一望而知，Python版本是老旧的3.8，Torch版本1.12并不支持Mac独有的Mps训练模式。

同时，Conda环境也有一些缺点：

环境隔离可能会导致一些问题。虽然虚拟环境允许您管理软件包的版本和依赖关系，但有时也可能导致环境冲突和奇怪的错误。

Conda环境可以占用大量磁盘空间。每个环境都需要独立的软件包副本和依赖项。如果需要创建多个环境，这可能会导致磁盘空间不足的问题。

软件包可用性和兼容性也可能是一个问题。Conda环境可能不包含某些软件包或库，或者可能不支持特定操作系统或硬件架构。

在某些情况下，Conda环境的创建和管理可能会变得复杂和耗时。如果需要管理多个环境，并且需要在这些环境之间频繁切换，这可能会变得困难。

所以我们也可以用最新版的Python3.10来构建ControlNet训练环境，编写requirements.txt文件：

pytorch==1.13.0gradio==3.16.2albumentations==1.3.0opencv-contrib-python==4.3.0.36imageio==2.9.0imageio-ffmpeg==0.4.2pytorch-lightning==1.5.0omegaconf==2.1.1test-tube>=0.7.5streamlit==1.12.1einops==0.3.0transformers==4.19.2webdataset==0.2.5kornia==0.6open_clip_torch==2.0.2invisible-watermark>=0.1.5streamlit-drawable-canvas==0.8.0torchmetrics==0.6.0timm==0.6.12addict==2.4.0yapf==0.32.0prettytable==3.6.0safetensors==0.2.7basicsr==1.4.2

随后，运行命令：

pip3 install -r requirements.txt

至此，基于Python3.10来构建ControlNet训练环境就完成了，关于Python3.10的安装，请移玉步至：一网成擒全端涵盖，在不同架构(Intel x86/Apple m1 silicon)不同开发平台(Win10/Win11/Mac/Ubuntu)上安装配置Python3.10开发环境，这里不再赘述。

修改训练模式(Cuda/Cpu/Mps)

ControlNet的代码中将训练模式写死为Cuda，CUDA是NVIDIA开发的一个并行计算平台和编程模型，因此不支持NVIDIA GPU的系统将无法运行CUDA训练模式。

除此之外，其他不支持CUDA训练模式的系统可能包括：

没有安装NVIDIA GPU驱动程序的系统

没有安装CUDA工具包的系统

使用的NVIDIA GPU不支持CUDA（较旧的GPU型号可能不支持CUDA）

没有足够的GPU显存来运行CUDA训练模式（尤其是在训练大型深度神经网络时需要大量显存）

需要注意的是，即使系统支持CUDA，也需要确保所使用的机器学习框架支持CUDA，否则无法使用CUDA进行训练。

我们可以修改代码将训练模式改为Mac支持的Mps，请参见：闻其声而知雅意,M1 Mac基于PyTorch(mps/cpu/cuda)的人工智能AI本地语音识别库Whisper(Python3.10)，这里不再赘述。

如果代码运行过程中，报下面的错误：

RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is False. If you are running on a CPU-only machine, please use torch.load with map_location=torch.device('cpu') to map your storages to the CPU.

说明当前系统不支持cuda模型，需要修改几个地方，以项目中的gradio_canny2image.py为例子，需要将gradio_canny2image.py文件中的cuda替换为cpu，同时修改/ControlNet/ldm/modules/encoders/modules.py文件，将cuda替换为cpu，修改/ControlNet/cldm/ddim_hacked.py文件，将cuda替换为cpu。至此，训练模式就改成cpu了。

开始训练

修改完代码后，直接在终端运行gradio_canny2image.py文件：

python3 gradio_canny2image.py

程序返回：

➜  ControlNet git:(main) ✗ /opt/homebrew/bin/python3.10 "/Users/liuyue/wodfan/work/ControlNet/gradio_canny2image.py"logging improved.No module 'xformers'. Proceeding without it./opt/homebrew/lib/python3.10/site-packages/pytorch_lightning/utilities/distributed.py:258: LightningDeprecationWarning: `pytorch_lightning.utilities.distributed.rank_zero_only` has been deprecated in v1.8.1 and will be removed in v2.0.0. You can import it from `pytorch_lightning.utilities` instead.  rank_zero_deprecation(ControlLDM: Running in eps-prediction modeDiffusionWrapper has 859.52 M params.making attention of type 'vanilla' with 512 in_channelsWorking with z of shape (1, 4, 32, 32) = 4096 dimensions.making attention of type 'vanilla' with 512 in_channelsLoaded model config from [./models/cldm_v15.yaml]Loaded state_dict from [./models/control_sd15_canny.pth]Running on local URL:   create a public link, set `share=True` in `launch()`.

此时，在本地系统的7860端口上会运行ControlNet的Web客户端服务。

访问 ，就可以直接上传图片进行训练了。

这里以本站的Logo图片为例子：

通过输入引导词和其他训练参数，就可以对现有图片进行扩散模型的增强处理，这里的引导词的意思是：红宝石、黄金、油画。训练结果可谓是言有尽而意无穷了。

除了主引导词，系统默认会添加一些辅助引导词，比如要求图像品质的best quality, extremely detailed等等，完整代码：

from share import *import configimport cv2import einopsimport gradio as grimport numpy as npimport torchimport randomfrom pytorch_lightning import seed_everythingfrom annotator.util import resize_image, HWC3from annotator.canny import CannyDetectorfrom cldm.model import create_model, load_state_dictfrom cldm.ddim_hacked import DDIMSamplerapply_canny = CannyDetector()model = create_model('./models/cldm_v15.yaml').cpu()model.load_state_dict(load_state_dict('./models/control_sd15_canny.pth', location='cpu'))model = model.cpu()ddim_sampler = DDIMSampler(model)def process(input_image, prompt, a_prompt, n_prompt, num_samples, image_resolution, ddim_steps, guess_mode, strength, scale, seed, eta, low_threshold, high_threshold):    with torch.no_grad():        img = resize_image(HWC3(input_image), image_resolution)        H, W, C = img.shape        detected_map = apply_canny(img, low_threshold, high_threshold)        detected_map = HWC3(detected_map)        control = torch.from_numpy(detected_map.copy()).float().cpu() / 255.0        control = torch.stack([control for _ in range(num_samples)], dim=0)        control = einops.rearrange(control, 'b h w c -> b c h w').clone()        if seed == -1:            seed = random.randint(0, 65535)        seed_everything(seed)        if config.save_memory:            model.low_vram_shift(is_diffusing=False)        cond = {"c_concat": [control], "c_crossattn": [model.get_learned_conditioning([prompt + ', ' + a_prompt] * num_samples)]}        un_cond = {"c_concat": None if guess_mode else [control], "c_crossattn": [model.get_learned_conditioning([n_prompt] * num_samples)]}        shape = (4, H // 8, W // 8)        if config.save_memory:            model.low_vram_shift(is_diffusing=True)        model.control_scales = [strength * (0.825 ** float(12 - i)) for i in range(13)] if guess_mode else ([strength] * 13)  # Magic number. IDK why. Perhaps because 0.825**12<0.01 but 0.826**12>0.01        samples, intermediates = ddim_sampler.sample(ddim_steps, num_samples,                                                     shape, cond, verbose=False, eta=eta,                                                     unconditional_guidance_scale=scale,                                                     unconditional_conditioning=un_cond)        if config.save_memory:            model.low_vram_shift(is_diffusing=False)        x_samples = model.decode_first_stage(samples)        x_samples = (einops.rearrange(x_samples, 'b c h w -> b h w c') * 127.5 + 127.5).cpu().numpy().clip(0, 255).astype(np.uint8)        results = [x_samples[i] for i in range(num_samples)]    return [255 - detected_map] + resultsblock = gr.Blocks().queue()with block:    with gr.Row():        gr.Markdown("## Control Stable Diffusion with Canny Edge Maps")    with gr.Row():        with gr.Column():            input_image = gr.Image(source='upload', type="numpy")            prompt = gr.Textbox(label="Prompt")            run_button = gr.Button(label="Run")            with gr.Accordion("Advanced options", open=False):                num_samples = gr.Slider(label="Images", minimum=1, maximum=12, value=1, step=1)                image_resolution = gr.Slider(label="Image Resolution", minimum=256, maximum=768, value=512, step=64)                strength = gr.Slider(label="Control Strength", minimum=0.0, maximum=2.0, value=1.0, step=0.01)                guess_mode = gr.Checkbox(label='Guess Mode', value=False)                low_threshold = gr.Slider(label="Canny low threshold", minimum=1, maximum=255, value=100, step=1)                high_threshold = gr.Slider(label="Canny high threshold", minimum=1, maximum=255, value=200, step=1)                ddim_steps = gr.Slider(label="Steps", minimum=1, maximum=100, value=20, step=1)                scale = gr.Slider(label="Guidance Scale", minimum=0.1, maximum=30.0, value=9.0, step=0.1)                seed = gr.Slider(label="Seed", minimum=-1, maximum=2147483647, step=1, randomize=True)                eta = gr.Number(label="eta (DDIM)", value=0.0)                a_prompt = gr.Textbox(label="Added Prompt", value='best quality, extremely detailed')                n_prompt = gr.Textbox(label="Negative Prompt",                                      value='longbody, lowres, bad anatomy, bad hands, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality')        with gr.Column():            result_gallery = gr.Gallery(label='Output', show_label=False, elem_id="gallery").style(grid=2, height='auto')    ips = [input_image, prompt, a_prompt, n_prompt, num_samples, image_resolution, ddim_steps, guess_mode, strength, scale, seed, eta, low_threshold, high_threshold]    run_button.click(fn=process, inputs=ips, outputs=[result_gallery])block.launch(server_name='0.0.0.0')

其他的模型，比如gradio_hed2image.py，它可以保留输入图像中的许多细节，适合图像的重新着色和样式化的场景：

还记得AnimeGANv2模型吗：神工鬼斧惟肖惟妙，M1 mac系统深度学习框架Pytorch的二次元动漫动画风格迁移滤镜AnimeGANv2+Ffmpeg(图片+视频)快速实践，之前还只能通过统一模型滤镜进行转化，现在只要修改引导词，我们就可以肆意地变化出不同的滤镜，人工智能技术的发展，就像发情的海，汹涌澎湃。

结语

“人类嘛时候会被人工智能替代呀？”

“就是现在！就在今天！”

就算是达芬奇还魂，齐白石再生，他们也会被现今的人工智能AI技术所震撼，纵横恣肆的笔墨，抑扬变化的形态，左右跌宕的心气，焕然飞动的神采！历史长河中这一刻，大千世界里这一处，让我们变得疯狂！

最后奉上修改后的基于Python3.10的Cpu训练版本的ControlNet，与众亲同飨：