【亲测免费】 LAION-AI Aesthetic Predictor 项目使用教程

1. 项目的目录结构及介绍

LAION-AI Aesthetic Predictor 项目是一个基于 CLIP 的线性估计器，用于预测图片的美学质量。以下是项目的目录结构及其介绍：

aesthetic-predictor/
├── LICENSE               # 项目使用的 MIT 许可证文件
├── README.md             # 项目说明文件
├── asthetics_predictor.ipynb  # 项目的 Jupyter Notebook 文件，用于演示如何使用模型
├── cat_aesthetic.png     # 示例图片，展示美学结果
├── cat_normal.png        # 示例图片，展示正常结果
├── sa_0_4_vit_b_16_linear.pth  # 预训练模型文件
├── sa_0_4_vit_b_32_linear.pth  # 预训练模型文件
├── sa_0_4_vit_l_14_linear.pth  # 预训练模型文件
├── vit_b_32_embeddings   # CLIP 嵌入文件
└── vit_l_14_embeddings   # CLIP 嵌入文件

• LICENSE: 项目使用的 MIT 许可证，规定了项目的使用和分发条件。
• README.md: 提供了项目的基本信息和如何使用项目的说明。
• asthetics_predictor.ipynb: 一个 Jupyter Notebook 文件，展示了如何加载和使用预训练模型来预测图片的美学质量。
• cat_aesthetic.png 和 cat_normal.png: 两个示例图片，分别展示了美学结果和正常结果。
• sa_0_4_vit_b_16_linear.pth, sa_0_4_vit_b_32_linear.pth, sa_0_4_vit_l_14_linear.pth: 三个预训练的模型文件，对应不同大小的 CLIP 模型。
• vit_b_32_embeddings 和 vit_l_14_embeddings: 包含 CLIP 嵌入的文件，用于模型训练和推理。

2. 项目的启动文件介绍

项目的启动主要是通过 Jupyter Notebook 文件 asthetics_predictor.ipynb 进行。该文件包含了加载模型、处理图片和预测美学质量的全部步骤。以下是启动项目的基本步骤：

1. 打开 Jupyter Notebook。
2. 运行 Notebook 中的代码单元，加载预训练的模型。
3. 使用模型处理图片，得到美学质量的预测结果。

3. 项目的配置文件介绍

本项目没有专门的配置文件。所有的配置都是通过代码直接在 Jupyter Notebook 中进行设置。在 asthetics_predictor.ipynb 文件中，可以通过修改以下函数调用来选择不同的模型和参数：

def get_aesthetic_model(clip_model="vit_l_14"):
    # ... 函数体 ...

在此函数中，可以通过改变 clip_model 参数的值来选择不同的 CLIP 模型（如 "vit_b_32" 或 "vit_l_14"）。函数将根据指定的模型下载并加载预训练的权重。

项目默认使用 "vit_l_14" 模型，这是一种较大的模型，提供更精确的美学质量预测。如果需要更快的推理速度，可以选择 "vit_b_32" 模型。