MakeGirlMoe的使用体验
这篇博文似乎应该出现在2018年才对。
MakeGirlMoe是一个极为古早的ACG图像生成模型，是用GAN（已经好久没听说过它了...）架构训练的。当时似乎也引起过一段时间的热议。这几年来顶尖文生图AI快速发展，底层原理从GAN进化到Diffsuion再进化到TransFormer。生成图片的精美度早已也不是这个老前辈能比的（当然资源占用也水涨船高）。今天，笔者想将它重新捡起来（主要是因为电脑性能太差跑不了现在的模型），看看它表现。
部署
笔者不打算使用它的在线版，而是打算将它拉到本地部署使用。它的所有代码托管在GitHub上，仓库包括了其在线版提供的几个模型。
拉取这个仓库需要你的git启用git-lfs拓展。你可以在这里下载git-lfs。对于nix系统，默认软件源里应该有这东西。完成安装后，执行（这个仓库非常大，记得进行网络配置）:
git clone https://github.com/makegirlsmoe/makegirlsmoe_web/
上文已经提到，这个项目仓库里还存放了模型，有几个模型大小似乎超出了git默认的http缓冲区大小，建议修改git的http缓冲区大小。不出意外的话，它应该已经被clone到了本地。下文中的所有路径是相对于仓库在本地的根目录而言的。
MakeGirlMoe使用NodeJS，请提前安装。然后，执行npm install以下载依赖。
只要你不作死把它部署到公网，报错可以忽略。
接下来，我们需要对代码和其依赖进行一些修改，不然它可能跑不起来，详细如下：
- 将
src/Config.js的第1行改为var debug = true; - 将
node_modules/http-deceiver/lib/deceiver.js第22行至第27行改为:
HTTPParser = require('http-parser-js').HTTPParser;
methods = HTTPParser.methods;
// v6
if (!methods)
methods = require('http-parser-js').methods;
改完之后，终端运行npm start，等一到二秒暖机，之后部署就完成了。
使用
默认情况下，MakeGirlMoe运行在localhost:3000下。浏览器访问此处，即可打开其UI。它的UI与在线版无异，就不展示了。
试着生成了几张图片，可以看看：
从这几张图片可以看出用这些模型生成的图片的上下限差距极大，下完全不成人形，上可以作为一个尚可的头像。对于衣着、发饰、头发等位置，它的表现通常极差（手这种地方就更不用说了）。所以用这个AI就像在抽卡，运气不好就只有古神出现。此外，笔者更建议使用Bouvarida（256x256版本）模型，因为它输出的稳定性似乎更好，上限似乎也更高。
需要指出的是，随机噪声对其产生图片的质量影响极大，所以建议你保存一些观感还行的噪声，它是支持这么做的。
本来想做一下benmmark的，但是它生成图像即使在我这台轻薄本上（i5-1155，无独显,16G）也非常快，所以认为没有必要，遂放弃。稍微看了一眼内存占用量，不算浏览器，后端占用内存在200M至300M浮动，相对现在的AI来说非常轻量（当然，付出了质量的代价）。
就写到这里结束吧。