Design2Code 项目使用教程
2024-09-27 00:14:52作者:幸俭卉
1. 项目的目录结构及介绍
Design2Code 项目的目录结构如下:
Design2Code/
├── CogVLM/
│ └── finetune_demo/
│ └── inference_design2code.py
├── data_utils/
│ └── screenshot.py
├── metrics/
│ └── multi_processing_eval.py
├── prompting/
│ ├── cogagent.py
│ ├── gpt4v.py
│ └── gemini.py
├── testset_final/
│ ├── xx.png
│ └── xx.html
├── .gitignore
├── CODE_LICENSE
├── DATA_LICENSE
├── README.md
├── example.png
├── id_to_url_mapping.json
├── requirements.txt
└── setup.py
目录结构介绍
- CogVLM/: 包含与 CogVLM 模型相关的文件,特别是用于微调和推理的脚本。
- data_utils/: 包含数据处理和截图生成的脚本。
- metrics/: 包含用于自动评估的脚本。
- prompting/: 包含用于多模态提示实验的脚本,涉及 GPT-4V 和 Gemini Pro Vision 等模型。
- testset_final/: 包含测试集的截图和对应的 HTML 代码。
- .gitignore: Git 忽略文件。
- CODE_LICENSE: 代码的许可证文件。
- DATA_LICENSE: 数据的许可证文件。
- README.md: 项目介绍和使用说明。
- example.png: 示例截图文件。
- id_to_url_mapping.json: URL 映射文件。
- requirements.txt: 项目依赖库列表。
- setup.py: 项目安装脚本。
2. 项目的启动文件介绍
项目的启动文件主要是 setup.py 和 README.md。
setup.py
setup.py 是 Python 项目的标准安装脚本,用于安装项目的依赖库和配置项目。你可以通过以下命令安装项目的依赖:
pip install -e .
README.md
README.md 文件包含了项目的详细介绍、使用说明和快速链接。它是用户了解项目的第一手资料,建议在启动项目前仔细阅读。
3. 项目的配置文件介绍
项目的配置文件主要包括 requirements.txt 和 api_keys.json。
requirements.txt
requirements.txt 文件列出了项目运行所需的 Python 依赖库。你可以通过以下命令安装这些依赖:
pip install -r requirements.txt
api_keys.json
api_keys.json 文件用于存储 OpenAI 和 Google Gemini 的 API 密钥。在使用多模态提示实验时,你需要将 API 密钥填入该文件中。文件格式如下:
[
{
"organization_id": "",
"openai_key": "",
"openai_endpoint": "",
"gemini_api_key": ""
}
]
请确保在运行提示实验前正确配置此文件。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0193
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0121
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
766
4.99 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.94 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
686
1.34 K
Ascend Extension for PyTorch
Python
721
884
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.1 K
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
458
443
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
612