本地安装并测试 DragGAN：Matthew Berman 的 2023 年演示

DragGAN 允许你在图像上选点，并将特征移向目标位置。我在 2023 年 7 月制作这期视频时，代码刚刚发布，我发现安装过程令人困惑且存在问题。以下步骤描述的是早期版本，不能保证当前代码仓库仍使用相同命令或依赖。视频由 Rosebud 赞助。

演示展示了移动一个点如何改变主体形状。我在这里运行的例子使用的是预训练 GAN 模型生成的图像。虽然我最初说可以处理任何图像，但项目说明指出，编辑真实照片前需要单独的 GAN 反演步骤；任意照片不能直接替代这些生成示例。

我使用 Conda 管理 Python 环境。我在 Mac 上演示这个过程，并表示自己在 Windows 上也运行了类似配置。测试时文档还在变化，因此我复制仓库地址、克隆仓库、进入 DragGAN 目录，然后尝试运行 `conda env create -f environment.yml`。

在我的机器上，最初的环境创建过程无法解析两个软件包。我从当时的 `environment.yml` 中移除了不适用于 Mac 的 CUDA 工具包依赖，并将 SciPy 从 Conda 依赖移到 pip 部分，把版本分隔符从 `=` 改为 `==`。CUDA 是 NVIDIA 的技术；使用 NVIDIA GPU 的 Windows 机器有不同要求。

对于 Windows，我提到文档指定的 CUDA 版本很难找到，因此尝试了其他版本；但兼容性取决于实际的 GPU、驱动和软件包版本。保存文件后，我重新创建环境，并运行 `conda activate stylegan3` 激活环境。这些变通办法只针对我测试的版本和机器。

我运行 `pip install -r requirements.txt` 安装所需依赖，并纠正了文档中看到的文件名。我遇到了一个错误，认为可以继续，但并没有证明它在所有环境中都无害。在 Mac 上，我设置 `PYTORCH_ENABLE_MPS_FALLBACK=1`，让不受 MPS 支持的操作回退到 CPU；这项设置不能保证整个应用都在 GPU 上运行。

接下来，我运行 `python scripts/download_model.py` 下载预训练模型。下载文件可能很大，可用的模型检查点对应不同主体，包括狮子、狗、马、大象和人脸。选择合适的模型，会影响所生成和编辑的图像类型。

原生图形界面启动脚本 `sh scripts/gui.sh` 在我的机器上触发了段错误。我的变通办法是运行 `python visualizer_drag_gradio.py`，启动一个本地网页界面，再用浏览器打开。这是我在自己的配置中观察到的解决方法，并不是适用于所有崩溃情况的通用修复。

界面提供预训练模型选择器、设置项、点控制工具以及启动和停止按钮。我选择一只狮子，选定头部当前位置和希望移动到的位置，然后开始编辑。狮子头部明显移动，展示了基于点的编辑效果。

画面的步骤计数似乎在 100 后停止更新，尽管终端仍在报告步骤。仅凭这一点，我无法判断图像是否仍在发生有效变化，因此我停止处理并下载结果。在 Windows 测试中，工作看起来由 CPU 完成；我当时还没有让 Windows 的 GPU 加速或 Mac 的 Metal 按预期工作。

我重置点位，再次移动狮子，然后切换到猫模型，让猫睁开眼睛。最后，我选择 FFHQ 人脸模型，尝试让人物微笑并转头。微笑发生了变化，但测试中的转头尝试没有产生明显效果。

重置点位后，我改为移动下唇；笑容变得大得多，虽然有点不自然。早期版本能够产生惊人的变化，但我的实验也表明，安装、加速和部分编辑功能都不够可靠。我计划等工具更稳定后再回来尝试。