qidao123.com技术社区-IT企服评测·应用市场

标题: Datawhale X 魔搭 AI夏令营第四期-AIGC文生图 Task3笔记 [打印本页]

作者: 刘俊凯 时间: 2024-8-23 16:28
标题: Datawhale X 魔搭 AI夏令营第四期-AIGC文生图 Task3笔记
一、ComfyUI应用

1.1 什么是ComfyUI

ComfyUI 是GUI的一种，是基于节点工作的用户界面，主要用于操作图像的天生技术，ComfyUI 的特殊之处在于它采用了一种模块化的设计，把图像天生的过程分解成了许多小的步调，每个步调都是一个节点。这些节点可以毗连起来形成一个工作流程，如许用户就可以根据必要定制自己的图像天生过程。
起首，ComfyUI具有直观易用的界面: 通过节点的方式，用户可以清楚地看到各个模块的功能，并根据自己的需求举行调解和毗连。这种方式使得工作流程更加明白，也低沉了使用门槛，使得不熟悉代码的用户也可以大概轻松上手
其次，ComfyUI的天生速度更快: 相较于传统的Web UI，ComfyUI在天生图片时举行了优化，明显进步了天生速度。这意味着用户可以更快地获得所需的图片，节省了名贵的时间和计算资源
此外，ComfyUI对显存的要求更低: 由于内部流程的优化，ComfyUI所需的显存比传统的Web UI更少。这意味着用户不必要高配置的硬件装备就能流畅地运行ComfyUI，低沉了使用门槛
1.2 ComfyUI核心模块

模子加载器：Load Checkpoint用于加载基础的模子文件，包含了Model、CLIP、VAE三部分,CLIP模块将文本类型的输入变为模子可以明白的latent space embedding作为模子的输入
解码器：VAE模块的作用是将Latent space中的embedding解码为像素级别的图像
采样器：用于控制模子天生图像，不同的采样取值会影响终极输出图像的质量和多样性。采样器可以调节天生过程的速度和质量之间的均衡
1.3 速通安装ComfyUI

通过学习手册安装熟悉ComfyUI

git lfs install
git clone https://www.modelscope.cn/datasets/maochase/kolors_test_comfyui.git
mv kolors_test_comfyui/* ./
rm -rf kolors_test_comfyui/
mkdir -p /mnt/workspace/models/lightning_logs/version_0/checkpoints/
mv epoch=0-step=500.ckpt /mnt/workspace/models/lightning_logs/version_0/checkpoints/

复制代码

在终端（terminal）复制粘贴上述代码，运行下载文件

打开ComfyUI.ipynb，全部运行

在最后点击网址进入ComfyUI工作流界面

1.4 ComfyUI运用

通过学习手册下载工作流脚本，分为不带Lora的工作流样例和带Lora的工作流样例
点击右下角Load，载入工作流脚本，再点击Queue Prompt天生图片（可以看到整个运行流程）

不带Lora的工作流样例，天生如下

二、Lora微调

2.1 Lora简介

LoRA (Low-Rank Adaptation) 微调是一种用于在预练习模子上举行高效微调的技术。它可以通过高效且灵活的方式实现模子的个性化调解，使其可以大概适应特定的任务或范畴，同时保持良好的泛化本领和较低的资源斲丧。这对于推动大规模预练习模子的实际应用至关重要。
2.2 Lora微调的优势

参数服从：Lora通过在模子的权重矩阵中引入低秩布局，淘汰了必要练习的参数数量，这使得微调过程更加高效
快速适应：由于参数数量的淘汰，Lora微调可以在更短的时间内完成，这对于必要快速部署模子的场景非常有用
更好的泛化本领：通过低秩适应，Lora可以大概在不粉碎预练习模子原有知识的环境下，更好地适应特定任务
淘汰过拟合：由于参数数量的淘汰，Lora微调有助于淘汰模子在特定任务上的过拟合风险
灵活性：Lora可以应用于不同类型的预练习模子，包罗但不限于语言模子、视觉模子等
成本效益：由于练习时间的淘汰和参数数量的低沉，Lora微调可以低沉计算资源的需求，从而低沉成本
持续学习：Lora微调可以支持模子在面对新数据时举行持续学习和适应，而不必要重新开始练习

2.2 Lora微调代码详解

Baseline中Lora设置参数代码如下

import os
cmd = """
python DiffSynth-Studio/examples/train/kolors/train_kolors_lora.py \
--pretrained_unet_path models/kolors/Kolors/unet/diffusion_pytorch_model.safetensors \
--pretrained_text_encoder_path models/kolors/Kolors/text_encoder \
--pretrained_fp16_vae_path models/sdxl-vae-fp16-fix/diffusion_pytorch_model.safetensors \
--lora_rank 16 \
--lora_alpha 4.0 \
--dataset_path data/lora_dataset_processed \
--output_path ./models \
--max_epochs 1 \
--center_crop \
--use_gradient_checkpointing \
--precision "16-mixed"
""".strip()
os.system(cmd)

复制代码

参数名称	参数值	阐明
pretrained_unet_path	models/kolors/Kolors/unet/diffusion_pytorch_model.safetensors	指定预练习UNet模子的路径
pretrained_text_encoder_path	models/kolors/Kolors/text_encoder	指定预练习文本编码器的路径
pretrained_fp16_vae_path	models/sdxl-vae-fp16-fix/diffusion_pytorch_model.safetensors	指定预练习VAE模子的路径
lora_rank	16	设置LoRA的秩（rank），影响模子的复杂度和性能
lora_alpha	4	设置LoRA的alpha值，控制微调的强度
dataset_path	data/lora_dataset_processed	指定用于练习的数据集路径
output_path	./models	指定练习完成后保存模子的路径
max_epochs	1	设置最大练习轮数为1
center_crop		启用中心裁剪，用于图像预处理
use_gradient_checkpointing		启用梯度检查点，节省显存
precision	"16-mixed"	设置练习时的精度为混合16位精度（half precision）

通过Lora微调后，天生效果如下：

图片编号	场景描述	正向提示词	反向提示词
图 1	女主正在上课	童话风格，课堂，金色长发少女，认真听课, 手上拿着笔，身着赤色美丽的校服，上半身，正面，坐在课桌前	丑陋，变形，嘈杂，模糊，低对比度
图 2	开始睡着了	童话风格，课堂，金色长发少女，闭上眼睛,身着赤色美丽的校服，上半身，正面，坐在课桌前	丑陋，变形，嘈杂，模糊，低对比度
图 3	进入梦乡，梦到自己在丛林	童话风格，四周全是茂密的丛林，金色长发少女，站白色长裙，上半身，看向远方	丑陋，变形，嘈杂，模糊，低对比度
图 4	王子骑马而来	童话风格，四周全是茂密的丛林，一位英俊的王子，骑着白马，上半身	丑陋，变形，嘈杂，模糊，低对比度
图 5	两人相谈甚欢	童话风格，四周全是茂密的丛林，金色长发少女，一位英俊的王子，白色长裙，两个人一起聊天，开心，上半身	丑陋，变形，嘈杂，模糊，低对比度
图 6	两人一起舞蹈	童话风格，四周全是茂密的丛林，金色长发少女，白色长裙，一位英俊的王子，两个人一起舞蹈，浑身	丑陋，变形，嘈杂，模糊，低对比度
图 7	下课了，梦醒了	童话风格，课堂，金色长发少女，用右手揉眼睛，左手拿笔，闭上眼睛,身着赤色美丽的校服，上半身，正面，坐在课桌前	丑陋，变形，嘈杂，模糊，低对比度
图 8	又回到了学习生活中	童话风格，课堂，金色长发少女，惊醒, 惊奇，身着赤色美丽的校服，上半身，正面，坐在课桌前，墙上有下课铃	丑陋，变形，嘈杂，模糊，低对比度

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。

欢迎光临 qidao123.com技术社区-IT企服评测·应用市场 (https://dis.qidao123.com/)