目录
目标
了解微调的基本原理及参数
使用ComfyUI实现高度定制化的文生图工作流
part1:工具初探 - ComfyUI应用场景探索
1.初始ComfyUI
定义:ComfyUI是一个基于节点的图形用户界面工具,用于操作图像生成技术
特点:模块化设计,将图像生成过程分解为多个节点,便于构建定制化的工作流程
2.ComfyUI核心模块
模型加载器:加载图像生成模型
提示词管理器:管理文本提示
采样器:控制图像生成过程中的随机性
解码器:将模型输出转换为图像
3.Stable Diffusion参数
seed:随机种子,影响生成图像的随机性
control_after_generate:控制生成后种子的变化
steps:迭代次数,影响图像质量
cfg:指导图像与提示词的匹配程度
denoise:控制噪声水平
sampler_name、scheduler:降噪算法的选择
4.ComfyUI图片生成流程
step1:选择模型
step2:构建工作流
step3:执行生成
step4:调整与优化
5.ComfyUI优势
模块化和灵活性:易于构建和调整工作流程
可视化界面:简化复杂AI模型的操作
多模型支持:集成多种生成模型
调试和优化:方便调试和优化生成结果
开放和可扩展:开源项目,易于扩展
用户友好性:易于使用,即使对于复杂任务也是如此
5.安装ComfyUI
使用魔搭社区提供的Notebook和免费的GPU算力体验来体验ComfyUI
下载脚本:在file中创建一个terminal,粘贴代码,下载文件
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/
安装:一键执行安装程序
预览界面:当执行到最后一个节点的内容输出了一个访问的链接的时候,复制链接到浏览器中访问
ComfyUI工作流
1.不带Lora的工作流样例
点击Load选择不带Lora的工作流脚本,输入关键词,点击Queue Prompt运行
2.带LoRA的工作流样例
点击Load选择带Lora的工作流脚本,输入Lora文件地址,输入关键词,点击Queue Prompt运行
part2:LoRA微调
1.LoRA简介
定义:一种高效的微调技术,通过添加低秩矩阵来调整预训练模型
原理:只更新新增的低秩矩阵,保留原模型大部分权重不变
2.LoRA详解
Task2中的微调代码
import os
cmd = """
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
--pretrained_unet_path models/kolors/Kolors/unet/diffusion_pytorch_model.safetensors \ # 选择unet模型
--pretrained_text_encoder_path models/kolors/Kolors/text_encoder \ # 选择text_encoder
--pretrained_fp16_vae_path models/sdxl-vae-fp16-fix/diffusion_pytorch_model.safetensors \ # 选择vae模型
--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
--lora_alpha 4.0 \ # 设置 LoRA 的 alpha 值,影响调整的强度
--dataset_path data/lora_dataset_processed \ # 指定数据集路径,用于训练模型
--output_path ./models \ # 指定输出路径,用于保存模型
--max_epochs 1 \ # 设置最大训练轮数为 1
--center_crop \ # 启用中心裁剪,这通常用于图像预处理
--use_gradient_checkpointing \ # 启用梯度检查点技术,以节省内存
--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
""".strip()
os.system(cmd) # 执行可图Lora训练
参数详情
参数 | 值 | 说明 |
| models/kolors/Kolors/unet/diffusion_pytorch_model.safetensors | 指定预训练UNet模型的路径 |
| models/kolors/Kolors/text_encoder | 指定预训练文本编码器的路径 |
| models/sdxl-vae-fp16-fix/diffusion_pytorch_model.safetensors | 指定预训练VAE模型的路径 |
| 16 | 设置LoRA的秩(rank),影响模型的复杂度和性能 |
| 4 | 设置LoRA的alpha值,控制微调的强度 |
| data/lora_dataset_processed | 指定用于训练的数据集路径 |
| ./models | 指定训练完成后保存模型的路径 |
| 1 | 设置最大训练轮数为1 |
| 启用中心裁剪,用于图像预处理 | |
| 启用梯度检查点,节省显存 | |
| "16-mixed" | 设置训练时的精度为混合16位精度(half precision) |
part3:如何准备一个高质量的数据集
明确需求和目标:应用场景、数据类型、数据量
数据集来源整理
- 公开的数据平台:如魔搭社区、ImageNet、Open Images等
- 使用API或爬虫获取:如Unsplash、Pexels
- 数据合成:使用Unity、Unreal Engine等图形引擎
- 数据增强:旋转、翻转、缩放等
- 购买或定制:特定领域的专业数据集