DataWhaleX魔搭AI夏令营第四期AIGC方向task03条记

目录
ComfyUI
简介
ComfyUI焦点模块
ComfyUI图片天生流程
上风
速通安装ComfyUI
利用ComfyUI
Lora微调
简介
原理
参数详情
高质量的数据集的准备
明确需求和目标
数据集泉源

---

task02，我们利用通义千问来大抵了解一下了baseline。
在task03中，我们将要了解文生图的工作流平台工具ComfyUI，来实现一个更加高度定制的文生图。并且，我们要了解一下微调的基本原理及其各种参数，从而到达一个更好的结果。
学习链接：https://linklearner.com/activity/14/10/37
ComfyUI

简介

ComfyUI 是GUI（图形用户界面）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能，ComfyUI 的特别之处在于它接纳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。这些节点可以连接起来形成一个工作流程，这样用户就可以根据必要定制自己的图像天生过程。
ComfyUI焦点模块

焦点模块由模型加载器、提示词管理器、采样器、解码器。详情可以阅读学习链接。
ComfyUI图片天生流程

（来自Datawhale AI 夏令营（第四期）“AIGC”方向的“Task3：进阶上分-实战优化”）

上风

模块化和灵活性：ComfyUI 提供了一个模块化的系统，用户可以通过拖放差异的模块来构建复杂的工作流程。这种灵活性答应用户根据自己的需求自由组合和调整模型、输入、输出、和其他处理惩罚步调。
可视化界面：ComfyUI 提供了直观的图形界面，使得用户能够更清晰地明白和操作复杂的 AI 模型和数据流。这对没有编程背景的用户特别有帮助，使他们能够轻松构建和管理工作流程。
多模型支持：ComfyUI 支持多个差异的天生模型，用户可以在同一平台上集成和切换利用差异的模型，从而实现更广泛的应用场景。
调试和优化：通过其可视化界面，ComfyUI 使得调试天生过程变得更简朴。用户可以轻松地追踪数据流，识别并办理问题，从而优化天生结果。
开放和可扩展：ComfyUI 是一个开源项目，具有高度的可扩展性。开辟者可以根据必要编写新的模块或插件，扩展系统功能，并根据项目需求进行定制。
用户友好性：尽管其功能强大，但 ComfyUI 仍然保持了用户友好性，即使对于复杂任务，也能以相对简朴的方式完成，使其成为天生式 AI 工作流程管理的有力工具。
速通安装ComfyUI

如图，利用魔搭社区提供的Notebook和免费的GPU算力体验来体验ComfyUI。

启动后，新建一个terminal，运行以下代码（下载安装ComfyUI的实验文件和task1中微调完成Lora文件）：

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

复制代码

运行ComfyUI.ipynb

点击末了出现的链接

到这里ComfyUI可以算安装好了~
利用ComfyUI

加载工作流

实验天生图片

图：

更多有关的学习内容可以阅读学习链接。
Lora微调

简介

LoRA (Low-Rank Adaptation) 微调是一种用于在预训练模型上进行高效微调的技能。它可以通过高效且灵活的方式实现模型的个性化调整，使其能够适应特定的任务或领域，同时保持良好的泛化本领和较低的资源消耗。这对于推动大规模预训练模型的现实应用至关紧张。
原理

LoRA通过在预训练模型的关键层中添加低秩矩阵来实现。这些低秩矩阵通常被设计成具有较低维度的参数空间，这样它们就可以在不改变模型整体结构的情况下进行微调。在训练过程中，只有这些新增的低秩矩阵被更新，而原始模型的大部分权重保持稳定。
参数详情

代码：

1. import os
2. cmd = """
3. python DiffSynth-Studio/examples/train/kolors/train_kolors_lora.py \ # 选择使用可图的Lora训练脚本DiffSynth-Studio/examples/train/kolors/train_kolors_lora.py
4.   --pretrained_unet_path models/kolors/Kolors/unet/diffusion_pytorch_model.safetensors \ # 选择unet模型
5.   --pretrained_text_encoder_path models/kolors/Kolors/text_encoder \ # 选择text_encoder
6.   --pretrained_fp16_vae_path models/sdxl-vae-fp16-fix/diffusion_pytorch_model.safetensors \ # 选择vae模型
7.   --lora_rank 16 \ # lora_rank 16 表示在权衡模型表达能力和训练效率时，选择了使用 16 作为秩，适合在不显著降低模型性能的前提下，通过 LoRA 减少计算和内存的需求
8.   --lora_alpha 4.0 \ # 设置 LoRA 的 alpha 值，影响调整的强度
9.   --dataset_path data/lora_dataset_processed \ # 指定数据集路径，用于训练模型
10.   --output_path ./models \ # 指定输出路径，用于保存模型
11.   --max_epochs 1 \ # 设置最大训练轮数为 1
12.   --center_crop \ # 启用中心裁剪，这通常用于图像预处理
13.   --use_gradient_checkpointing \ # 启用梯度检查点技术，以节省内存
14.   --precision "16-mixed" # 指定训练时的精度为混合 16 位精度（half precision），这可以加速训练并减少显存使用
15. """.strip()
16. os.system(cmd) # 执行可图Lora训练   

复制代码

表明：

（来自Datawhale AI 夏令营（第四期）“AIGC”方向的“Task3：进阶上分-实战优化”）

其中，
UNet：负责根据输入的噪声和文本条件天生图像。在Stable Diffusion模型中，UNet接收由VAE编码器产生的噪声和文本编码器转换的文本向量作为输入，并预测去噪后的噪声，从而天生与文本描述相符的图像
VAE：天生模型，用于将输入数据映射到潜在空间，并从中采样以天生新图像。在Stable Diffusion中，VAE编码器首先天生带有噪声的潜在表示，这些表示随后与文本条件一起输入到UNet中
文本编码器：将文本输入转换为模型可以明白的向量表示。在Stable Diffusion模型中，文本编码器利用CLIP模型将文本提示转换为向量，这些向量与VAE天生的噪声一起输入到UNet中，指导图像的天生过程
高质量的数据集的准备

明确需求和目标

关注应用场景：确定你的模型将被应用到什么样的场景中（比方，艺术风格转换、产品图像天生、医疗影像合成等）。
关注数据范例：你必要什么样的图片？比如是真实世界的照片还是合成图像？是优劣的还是彩色的？是高分辨率还是低分辨率？
关注数据量：思量你的任务应该必要多少图片来支持训练和验证。
数据集泉源

公开的数据平台、利用API或爬虫获取、数据合成、数据增强、购买或定制等。


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。