文章目录
- 1 效果展示
- 2 CogVideoX 前世今生
- 3 CogVideoX 部署实践流程
- 3.1 创建丹摩实例
- 3.2 配置环境和依赖
- 3.3 模型与配置文件
- 3.4 运行
- 4 遇到问题
1 效果展示
A street artist, clad in a worn-out denim jacket and a colorful bandana, stands before a vast concrete wall in the heart, holding a can of spray paint, spray-painting a colorful bird on a mottled wall.
CogVideoX-6秒视频
2 CogVideoX 前世今生
CogVideoX 的出现就像在视频生成领域的一次重大飞跃。
过去的技术常常在效率和质量之间挣扎，而现在，它的 3D 变分自编码器能将视频数据压缩至原来的 2%，大幅降低资源消耗，并保持视频帧的连贯性。
引入的 3D 旋转位置编码技术更是让每个瞬间在时间中自然流动，仿佛为视频注入了生命。
智谱 AI 的端到端视频理解模型，使得用户的指令能被精准解析，生成的视频内容丰富且紧密相关，这项创新为创作者提供了更大的自由度。
这一创新极大地增强了 CogVideoX 对文本的理解和对用户指令的遵循能力，确保了生成的视频不仅与用户的输入高度相关，而且能够处理超长且复杂的文本提示。
CogVideoX 是技术上的一个新起点，期待它未来的发展，必将为我们带来更多惊喜。
- CogVideoX代码仓库：https://github.com/THUDM/CogVideo
- 模型下载：https://huggingface.co/THUDM/CogVideoX-2b
- 技术报告：https://github.com/THUDM/CogVideo/blob/main/resources/CogVideoX.pdf
- 丹摩智算平台：https://damodel.com/register?source=C4FB0342
3 CogVideoX 部署实践流程
本次实践流程在丹摩服务器上进行部署和初步使用 CogVideoX。
3.1 创建丹摩实例
（1）进入控制台，选择 GPU 云实例，点击创建实例。（实名认证有抵扣卷）
（2）CogVideoX 在 FP-16 精度下的推理至少需 18GB 显存，微调则需要 40GB 显存 。
（2.1）选择L40S 显卡（推荐）或者4090 显卡，硬盘可以选择默认的 100GB 系统盘和 50GB 数据盘。
（2.2）镜像选择 PyTorch2.3.0、Ubuntu-22.04，CUDA12.1 镜像。
（2.3）创建登录实例。（点击创建密钥对，输入个名称即可创建）
（2.4）实例创建成功。
3.2 配置环境和依赖
丹摩平台已预置了调试好的代码库，可开箱即用。
（1）进入 JupyterLab 后，打开终端，首先拉取 CogVideo 代码的仓库。
wget http://file.s3/damodel-openfile/CogVideoX/CogVideo-main.tar
(2) 下载完成后解压缩CogVideo-main.tar，完成后进入 CogVideo-main 文件夹，输入安装对应依赖。
（3）依赖安装好后，可以在终端输入 python，进入python环境。
输入代码进行测试：
import torch
from diffusers import CogVideoXPipeline
from diffusers.utils import export_to_video
没有报错就说明依赖安装成功！输入quit()可退出 python。
3.3 模型与配置文件
除了配置代码文件和项目依赖，还需要上传 CogVideoX 模型文件和对应的配置文件。
（1）平台已为您预置了 CogVideoX 模型，您可内网高速下载。
cd /root/workspace
wget http://file.s3/damodel-openfile/CogVideoX/CogVideoX-2b.tar
（2）下载完成后解压缩CogVideoX-2b.tar。
tar -xf CogVideoX-2b.tar
解压后的效果图：
3.4 运行
（1）进入CogVideo-main文件夹，运行test.py文件。
cd /root/workspace/CogVideo-main
python test.py
（2）test.py 代码内容如下，主要使用diffusers库中的CogVideoXPipeline模型，加载了一个预训练的 CogVideo 模型，然后根据一个详细的文本描述（prompt），生成对应视频。
import torch
from diffusers import CogVideoXPipeline
from diffusers.utils import export_to_video
# prompt里写自定义想要生成的视频内容
prompt = "A panda, dressed in a small, red jacket and a tiny hat, sits on a wooden stool in a serene bamboo forest. The panda's fluffy paws strum a miniature acoustic guitar, producing soft, melodic tunes. Nearby, a few other pandas gather, watching curiously and some clapping in rhythm. Sunlight filters through the tall bamboo, casting a gentle glow on the scene. The panda's face is expressive, showing concentration and joy as it plays. The background includes a small, flowing stream and vibrant green foliage, enhancing the peaceful and magical atmosphere of this unique musical performance."
pipe = CogVideoXPipeline.from_pretrained(
"/root/workspace/CogVideoX-2b", # 这里填CogVideo模型存放的位置，此处是放在了数据盘中
torch_dtype=torch.float16
).to("cuda")
# 参数do_classifier_free_guidance设置为True可以启用无分类器指导，增强生成内容一致性和多样性
# num_videos_per_prompt控制每个prompt想要生成的视频数量
# max_sequence_length控制输入序列的最大长度
prompt_embeds, _ = pipe.encode_prompt(
prompt=prompt,
do_classifier_free_guidance=True,
num_videos_per_prompt=1,
max_sequence_length=226,
device="cuda",
dtype=torch.float16,
)
video = pipe(
num_inference_steps=50,
guidance_scale=6,
prompt_embeds=prompt_embeds,
).frames[0]
export_to_video(video, "output.mp4", fps=8)
（3）运行成功后，可以在 CogVideo-main 文件夹中找到对应 prompt 生成的 output.mp4 视频。
（4）模型官方也提供了 webUIDemo，进入CogVideo-main文件夹，运行gradio_demo.py文件。
cd /root/workspace/CogVideo-main
python gradio_demo.py
（5）通过丹摩平台提供的端口映射能力，把内网端口映射到公网，进入GPU 云实例页面，点击操作-更多-访问控制。
（6）点击添加端口，添加7870端口。
（7）添加成功后，通过访问链接即可访问到刚刚启动的 gradio 页面。
4 遇到问题
（1）端口号被占用。
安装 lsof：
apt-get update
apt-get install lsof
# 查占用端口
lsof -i :7870
# 杀进程
kill -9 <PID>
