add hub serving for text-to-image modules

modules/image/text_to_image/disco_diffusion_clip_rn101/README.md

@@ -103,7 +103,47 @@ disco_diffusion_clip_rn101 是一个文图生成模型，可以通过输入一
     - **返回**
       - ra(DocumentArray): DocumentArray对象， 包含`n_batches`个Documents，其中每个Document都保存了迭代过程的所有中间结果。详细可参考[DocumentArray使用文档](https://docarray.jina.ai/fundamentals/documentarray/index.html)。
 
-## 四、更新历史
+## 四、服务部署
+
+- PaddleHub Serving可以部署一个在线文图生成服务。
+
+- ### 第一步：启动PaddleHub Serving
+
+  - 运行启动命令：
+  - ```shell
+    $ hub serving start -m disco_diffusion_clip_rn101
+    ```
+
+  - 这样就完成了一个文图生成的在线服务API的部署，默认端口号为8866。
+
+  - **NOTE:** 如使用GPU预测，则需要在启动服务之前，请设置CUDA\_VISIBLE\_DEVICES环境变量，否则不用设置。
+
+- ### 第二步：发送预测请求
+
+  - 配置好服务端，以下数行代码即可实现发送预测请求，获取预测结果，返回的预测结果在反序列化后即是上述接口声明中说明的DocumentArray类型，返回后对结果的操作方式和使用generate_image接口完全相同。
+
+  - ```python
+    import requests
+    import json
+    import cv2
+    import base64
+    from docarray import DocumentArray
+
+    # 发送HTTP请求
+    data = {'text_prompts': 'in the morning light,Overlooking TOKYO city by greg rutkowski and thomas kinkade,Trending on artstation.'}
+    headers = {"Content-type": "application/json"}
+    url = "http://127.0.0.1:8866/predict/disco_diffusion_clip_rn101"
+    r = requests.post(url=url, headers=headers, data=json.dumps(data))
+
+    # 获取返回结果
+    da = DocumentArray.from_base64(r.json()["results"])
+    # 手动将最终生成的图像保存到指定路径
+    da[0].save_uri_to_file('disco_diffusion_clip_rn101_out-result.png')
+    # 将生成过程保存为一个动态图gif
+    da[0].chunks.save_gif('disco_diffusion_clip_rn101_out-result.gif')
+
+
+## 五、更新历史
 
 * 1.0.0
 

modules/image/text_to_image/disco_diffusion_clip_rn101/module.py

@@ -174,10 +174,7 @@ class DiscoDiffusionClip:
         """
         Run as a service.
         """
-        results = []
-        for text_prompt in text_prompts:
-            result = self.generate_image(text_prompts=text_prompt, **kwargs)[0].to_base64()
-            results.append(result)
+        results = self.generate_image(text_prompts=text_prompts, **kwargs).to_base64()
         return results
 
     @runnable

modules/image/text_to_image/disco_diffusion_clip_rn50/README.md

@@ -103,7 +103,46 @@ disco_diffusion_clip_rn50 是一个文图生成模型，可以通过输入一段
     - **返回**
       - ra(DocumentArray): DocumentArray对象， 包含`n_batches`个Documents，其中每个Document都保存了迭代过程的所有中间结果。详细可参考[DocumentArray使用文档](https://docarray.jina.ai/fundamentals/documentarray/index.html)。
 
-## 四、更新历史
+## 四、服务部署
+
+- PaddleHub Serving可以部署一个在线文图生成服务。
+
+- ### 第一步：启动PaddleHub Serving
+
+  - 运行启动命令：
+  - ```shell
+    $ hub serving start -m disco_diffusion_clip_rn50
+    ```
+
+  - 这样就完成了一个文图生成的在线服务API的部署，默认端口号为8866。
+
+  - **NOTE:** 如使用GPU预测，则需要在启动服务之前，请设置CUDA\_VISIBLE\_DEVICES环境变量，否则不用设置。
+
+- ### 第二步：发送预测请求
+
+  - 配置好服务端，以下数行代码即可实现发送预测请求，获取预测结果，返回的预测结果在反序列化后即是上述接口声明中说明的DocumentArray类型，返回后对结果的操作方式和使用generate_image接口完全相同。
+
+  - ```python
+    import requests
+    import json
+    import cv2
+    import base64
+    from docarray import DocumentArray
+
+    # 发送HTTP请求
+    data = {'text_prompts': 'in the morning light,Overlooking TOKYO city by greg rutkowski and thomas kinkade,Trending on artstation.'}
+    headers = {"Content-type": "application/json"}
+    url = "http://127.0.0.1:8866/predict/disco_diffusion_clip_rn50"
+    r = requests.post(url=url, headers=headers, data=json.dumps(data))
+
+    # 获取返回结果
+    da = DocumentArray.from_base64(r.json()["results"])
+    # 手动将最终生成的图像保存到指定路径
+    da[0].save_uri_to_file('disco_diffusion_clip_rn50_out-result.png')
+    # 将生成过程保存为一个动态图gif
+    da[0].chunks.save_gif('disco_diffusion_clip_rn50_out-result.gif')
+
+## 五、更新历史
 
 * 1.0.0
 

modules/image/text_to_image/disco_diffusion_clip_rn50/module.py

@@ -174,10 +174,7 @@ class DiscoDiffusionClip:
         """
         Run as a service.
         """
-        results = []
-        for text_prompt in text_prompts:
-            result = self.generate_image(text_prompts=text_prompt, **kwargs)[0].to_base64()
-            results.append(result)
+        results = self.generate_image(text_prompts=text_prompts, **kwargs).to_base64()
         return results
 
     @runnable

modules/image/text_to_image/disco_diffusion_clip_vitb32/README.md

@@ -103,7 +103,47 @@ disco_diffusion_clip_vitb32 是一个文图生成模型，可以通过输入一
     - **返回**
       - ra(DocumentArray): DocumentArray对象， 包含`n_batches`个Documents，其中每个Document都保存了迭代过程的所有中间结果。详细可参考[DocumentArray使用文档](https://docarray.jina.ai/fundamentals/documentarray/index.html)。
 
-## 四、更新历史
+## 四、服务部署
+
+- PaddleHub Serving可以部署一个在线文图生成服务。
+
+- ### 第一步：启动PaddleHub Serving
+
+  - 运行启动命令：
+  - ```shell
+    $ hub serving start -m disco_diffusion_clip_vitb32
+    ```
+
+  - 这样就完成了一个文图生成的在线服务API的部署，默认端口号为8866。
+
+  - **NOTE:** 如使用GPU预测，则需要在启动服务之前，请设置CUDA\_VISIBLE\_DEVICES环境变量，否则不用设置。
+
+- ### 第二步：发送预测请求
+
+  - 配置好服务端，以下数行代码即可实现发送预测请求，获取预测结果，返回的预测结果在反序列化后即是上述接口声明中说明的DocumentArray类型，返回后对结果的操作方式和使用generate_image接口完全相同。
+
+  - ```python
+    import requests
+    import json
+    import cv2
+    import base64
+    from docarray import DocumentArray
+
+    # 发送HTTP请求
+    data = {'text_prompts': 'in the morning light,Overlooking TOKYO city by greg rutkowski and thomas kinkade,Trending on artstation.'}
+    headers = {"Content-type": "application/json"}
+    url = "http://127.0.0.1:8866/predict/disco_diffusion_clip_vitb32"
+    r = requests.post(url=url, headers=headers, data=json.dumps(data))
+
+    # 获取返回结果
+    da = DocumentArray.from_base64(r.json()["results"])
+    # 手动将最终生成的图像保存到指定路径
+    da[0].save_uri_to_file('disco_diffusion_clip_vitb32_out-result.png')
+    # 将生成过程保存为一个动态图gif
+    da[0].chunks.save_gif('disco_diffusion_clip_vitb32_out-result.gif')
+
+
+## 五、更新历史
 
 * 1.0.0
 

modules/image/text_to_image/disco_diffusion_clip_vitb32/module.py

@@ -19,12 +19,12 @@ from functools import partial
 from typing import List
 from typing import Optional
 
-import disco_diffusion_clip_vitb32.clip as clip
-import disco_diffusion_clip_vitb32.resize_right as resize_right
 import paddle
-from disco_diffusion_clip_vitb32.reverse_diffusion import create
 
+import disco_diffusion_clip_vitb32.clip as clip
+import disco_diffusion_clip_vitb32.resize_right as resize_right
 import paddlehub as hub
+from disco_diffusion_clip_vitb32.reverse_diffusion import create
 from paddlehub.module.module import moduleinfo
 from paddlehub.module.module import runnable
 from paddlehub.module.module import serving
@@ -174,10 +174,7 @@ class DiscoDiffusionClip:
         """
         Run as a service.
         """
-        results = []
-        for text_prompt in text_prompts:
-            result = self.generate_image(text_prompts=text_prompt, **kwargs)[0].to_base64()
-            results.append(result)
+        results = self.generate_image(text_prompts=text_prompts, **kwargs).to_base64()
         return results
 
     @runnable

modules/image/text_to_image/disco_diffusion_cnclip_vitb16/README.md

@@ -103,7 +103,47 @@ disco_diffusion_cnclip_vitb16 是一个文图生成模型，可以通过输入
     - **返回**
       - ra(DocumentArray): DocumentArray对象， 包含`n_batches`个Documents，其中每个Document都保存了迭代过程的所有中间结果。详细可参考[DocumentArray使用文档](https://docarray.jina.ai/fundamentals/documentarray/index.html)。
 
-## 四、更新历史
+## 四、服务部署
+
+- PaddleHub Serving可以部署一个在线文图生成服务。
+
+- ### 第一步：启动PaddleHub Serving
+
+  - 运行启动命令：
+  - ```shell
+    $ hub serving start -m disco_diffusion_cnclip_vitb16
+    ```
+
+  - 这样就完成了一个文图生成的在线服务API的部署，默认端口号为8866。
+
+  - **NOTE:** 如使用GPU预测，则需要在启动服务之前，请设置CUDA\_VISIBLE\_DEVICES环境变量，否则不用设置。
+
+- ### 第二步：发送预测请求
+
+  - 配置好服务端，以下数行代码即可实现发送预测请求，获取预测结果，返回的预测结果在反序列化后即是上述接口声明中说明的DocumentArray类型，返回后对结果的操作方式和使用generate_image接口完全相同。
+
+  - ```python
+    import requests
+    import json
+    import cv2
+    import base64
+    from docarray import DocumentArray
+
+    # 发送HTTP请求
+    data = {'text_prompts': '孤舟蓑笠翁，独钓寒江雪。风格如齐白石所作'}
+    headers = {"Content-type": "application/json"}
+    url = "http://127.0.0.1:8866/predict/disco_diffusion_cnclip_vitb16"
+    r = requests.post(url=url, headers=headers, data=json.dumps(data))
+
+    # 获取返回结果
+    da = DocumentArray.from_base64(r.json()["results"])
+    # 手动将最终生成的图像保存到指定路径
+    da[0].save_uri_to_file('disco_diffusion_cnclip_vitb16_out-result.png')
+    # 将生成过程保存为一个动态图gif
+    da[0].chunks.save_gif('disco_diffusion_cnclip_vitb16_out-result.gif')
+
+
+## 五、更新历史
 
 * 1.0.0
 

modules/image/text_to_image/disco_diffusion_cnclip_vitb16/module.py

@@ -173,10 +173,7 @@ class DiscoDiffusionClip:
         """
         Run as a service.
         """
-        results = []
-        for text_prompt in text_prompts:
-            result = self.generate_image(text_prompts=text_prompt, **kwargs)[0].to_base64()
-            results.append(result)
+        results = self.generate_image(text_prompts=text_prompts, **kwargs).to_base64()
         return results
 
     @runnable

modules/image/text_to_image/disco_diffusion_ernievil_base/README.md

@@ -104,7 +104,47 @@ disco_diffusion_ernievil_base 是一个文图生成模型，可以通过输入
     - **返回**
       - ra(DocumentArray): DocumentArray对象， 包含`n_batches`个Documents，其中每个Document都保存了迭代过程的所有中间结果。详细可参考[DocumentArray使用文档](https://docarray.jina.ai/fundamentals/documentarray/index.html)。
 
-## 四、更新历史
+## 四、服务部署
+
+- PaddleHub Serving可以部署一个在线文图生成服务。
+
+- ### 第一步：启动PaddleHub Serving
+
+  - 运行启动命令：
+  - ```shell
+    $ hub serving start -m disco_diffusion_ernievil_base
+    ```
+
+  - 这样就完成了一个文图生成的在线服务API的部署，默认端口号为8866。
+
+  - **NOTE:** 如使用GPU预测，则需要在启动服务之前，请设置CUDA\_VISIBLE\_DEVICES环境变量，否则不用设置。
+
+- ### 第二步：发送预测请求
+
+  - 配置好服务端，以下数行代码即可实现发送预测请求，获取预测结果，返回的预测结果在反序列化后即是上述接口声明中说明的DocumentArray类型，返回后对结果的操作方式和使用generate_image接口完全相同。
+
+  - ```python
+    import requests
+    import json
+    import cv2
+    import base64
+    from docarray import DocumentArray
+
+    # 发送HTTP请求
+    data = {'text_prompts': '孤舟蓑笠翁，独钓寒江雪。风格如齐白石所作'}
+    headers = {"Content-type": "application/json"}
+    url = "http://127.0.0.1:8866/predict/disco_diffusion_ernievil_base"
+    r = requests.post(url=url, headers=headers, data=json.dumps(data))
+
+    # 获取返回结果
+    da = DocumentArray.from_base64(r.json()["results"])
+    # 手动将最终生成的图像保存到指定路径
+    da[0].save_uri_to_file('disco_diffusion_ernievil_base_out-result.png')
+    # 将生成过程保存为一个动态图gif
+    da[0].chunks.save_gif('disco_diffusion_ernievil_base_out-result.gif')
+
+
+## 五、更新历史
 
 * 1.0.0
 

modules/image/text_to_image/disco_diffusion_ernievil_base/module.py

@@ -175,10 +175,7 @@ class DiscoDiffusionClip:
         """
         Run as a service.
         """
-        results = []
-        for text_prompt in text_prompts:
-            result = self.generate_image(text_prompts=text_prompt, **kwargs)[0].to_base64()
-            results.append(result)
+        results = self.generate_image(text_prompts=text_prompts, **kwargs).to_base64()
         return results
 
     @runnable

modules/image/text_to_image/ernie_vilg/README.md

@@ -93,7 +93,46 @@
     - **返回**
       - images(List(PIL.Image)): 返回生成的所有图像列表，PIL的Image格式。
 
-## 四、更新历史
+## 四、服务部署
+
+- PaddleHub Serving可以部署一个在线文图生成服务。
+
+- ### 第一步：启动PaddleHub Serving
+
+  - 运行启动命令：
+  - ```shell
+    $ hub serving start -m ernie_vilg
+    ```
+
+  - 这样就完成了一个文图生成的在线服务API的部署，默认端口号为8866。
+
+  - **NOTE:** 如使用GPU预测，则需要在启动服务之前，请设置CUDA\_VISIBLE\_DEVICES环境变量，否则不用设置。
+
+- ### 第二步：发送预测请求
+
+  - 配置好服务端，以下数行代码即可实现发送预测请求，获取预测结果。
+
+  - ```python
+    import requests
+    import json
+    import cv2
+    import base64
+    from io import BytesIO
+    from PIL import Image
+
+    # 发送HTTP请求
+    data = {'text_prompts': '巨大的白色城堡'}
+    headers = {"Content-type": "application/json"}
+    url = "http://127.0.0.1:8866/predict/ernie_vilg"
+    r = requests.post(url=url, headers=headers, data=json.dumps(data))
+
+    # 获取返回结果
+    for i, result in enumerate(r.json()["results"]):
+      image = Image.open(BytesIO(base64.b64decode(result)))
+      image.save('result_{}.png'.format(i))
+
+
+## 五、更新历史
 
 * 1.0.0
 

modules/image/text_to_image/ernie_vilg/module.py

 import argparse
 import ast
+import base64
 import os
 import re
 import sys
@@ -214,6 +215,20 @@ class ErnieVilG:
                                       output_dir=args.output_dir)
         return results
 
+    @serving
+    def serving_method(self, text_prompts, **kwargs):
+        """
+        Run as a service.
+        """
+        results_base64encoded = []
+        results = self.generate_image(text_prompts=text_prompts, **kwargs)
+        for result in results:
+            buffered = BytesIO()
+            result.save(buffered, format="png")
+            img_str = base64.b64encode(buffered.getvalue()).decode('utf-8')
+            results_base64encoded.append(img_str)
+        return results_base64encoded
+
     def add_module_input_arg(self):
         """
         Add the command input options.