(资料图片仅供参考)

背景

上上周五（2023年3月10日），visual chatgpt（https://github.com/microsoft/visual-chatgpt）一经推出，就火出天际。gif图片展示的demo效果确实惊人，也有很多工程师给出各种分析，这里不再多言。

本文主要给出我使用腾讯云CVM来搭建visual chatgpt的环境流程，经过3次预装，保证大家按照我的流程安装可以通过（不要问为什么我要预装3次，不要问为什么没有自己制作镜像，都是泪）。

具体流程

在腾讯云CVM的硅谷区域，申请一台4核8GB内存的服务器，选择公共镜像TencentOS-64位-TencentOS Server 3.1(TK4)。系统盘选择100GB。网络安全组-入站规则需要打开7868端口。建议带宽值直接拉到100Mbps，因为需要下载的依赖非常多，非常大。

ssh -o ServerAliveInterval=30 root@服务器IP地址 登录。

yum install gitgit clone https://github.com/microsoft/visual-chatgpt.gitconda create -n visgpt python=3.8conda init bash

重新登录后，

cd visual-chatgpt/conda activate visgptwget https://pypi.tuna.tsinghua.edu.cn/packages/86/41/00a6b000f222f0fa4c6d9e1d6dcc9811a374cabb8abb9d408b77de39648c/basicsr-1.4.2.tar.gz pip install basicsr-1.4.2.tar.gz # 这一步非常慢，有时候不成功，如果不成功，请重试pip install -r requirements.txtexport OPENAI_API_KEY={Your_Private_Openai_Key}pip uninstall numpy # 应该修改requirements.txt中依赖的numpy版本为1.23.4也可以，我没有尝试pip install numpy==1.23.4python visual_chatgpt.py --load ImageCaptioning_cpu,Text2Image_cpu

总结

讲真的，我觉得22.9k stars有些吹水。但不到一千行的python代码完成这个能力，还是比较震撼的。代码质量上，感觉像是微软的实习生写的（如果不对，轻拍）。

另外，需要使用上周二更新的版本的代码，我这篇教程就是基于此。上上周五的版本代码，更折腾一些。