Datawhale X 魔搭 AI夏令营 第四期 魔搭-AIGC方向 Task02 笔记

从零入门AI生图原理&实践 是 Datawhale 2024 年 AI 夏令营第四期的学习活动（“AIGC”方向），基于魔搭社区“可图Kolors-LoRA风格故事挑战赛”开展的实践学习。

Datawhale官方的速通教程链接：

Task 1 从零入门AI生图原理&实践

Datawhale（Task2）

下面是根据教程实践的记录

Part1：AI生图技术能力及局限

①通俗来说，AI生图模型获得图片生成能力主要是通过 学习 图片描述 以及 图片特征，尝试将这两者进行一一对应，存储在自己的记忆里。

模型根据我们输入的文字+凭借它的能力→生成我们需要的图片

②不同模型用于训练的数据有限且不一定相同→匹配的描述和特征也是有限的

所以不同模型在风格和具体事物上会有很大的生成差异，且存在诸多于现实不符的情况

③关于“ai味”辨别方法：

*观察图片的细节（人物面部特征，特别是眼睛和嘴巴）

*检查光线和阴影（光源是否一致，阴影是否与光源相符，光线阴影会不会不正常）

*分析像素（是否有模糊/像素化部分）

*注意背景（是否有不协调eg.边缘是平滑，有无不自然的重复）

Part2：AI生图前沿探索

可以从魔搭社区各种AIGC开始探索

→魔搭社区

通过task1的学习，觉得数据集很重要！可以在魔搭开源数据集中寻找我们要的数据集

Kolors（可图）模型(点击即可跳转魔搭模型介绍页) 是快手开源的文本到图像生成模型，该模型具有对英语和汉语的深刻理解，并能够生成高质量、逼真的图像。以下是一些相关链接：

代码开源链接：https://github.com/Kwai-Kolors/Kolors

模型开源链接：https://modelscope.cn/models/Kwai-Kolors/Kolors

技术报告链接：https://github.com/Kwai-Kolors/Kolors/blob/master/imgs/Kolors_paper.pdf

魔搭研习社最佳实践说明：https://www.modelscope.cn/learn/575?pid=543

可图区别过去SD系列基础模型的一个特点是它支持中文文生图，

魔搭社区还开源了专门的各种风格的可图优质咒语书(点击即可跳转)，可以针对600+种不同风格，完善prompt，生成各种风格图片

Part3：通过魔搭社区持续探索AI生图前沿

目前让ai稳定生成相似效果的海报还是比较困难，一些创意海报工具（eg.

创意海报生成 ）往往是通过固定文字位置及字体进行相应海报生成，

大致是①ai生成背景②通过代码将对应的文字显示到对应位置，然后渲染合成照片输出给我们

自己想多多探索的话可以往这些方向思考

• 可以用在哪些业务里？有哪些行业在使用？
• 用的是哪个 AI 模型？
• 是自己部署的AI模型，还是用的API？
• 使用到了哪些 AI 能力？
• 如果要复现，需要做哪些额外的设置和开发？
• 还可以有哪些优化点？

可以在刚刚的创意海报生成空间文件里进行相关代码的查看/下载到本地/云服务器复现，验证思考及学习相关的设计开发

一、认识通义千问

通义千问（点击直达）。

它相当于一个AI助手

二、使用这样一个AI助手帮我们精读baseline——①分析代码的主体架构②逐行代码解析

根据教程里图片可以直观感知文生图代码的框架结构

使用AI助手前我们先整理出baseline里所有的代码

!pip install simple-aesthetics-predictor

!pip install -v -e data-juicer

!pip uninstall pytorch-lightning -y
!pip install peft lightning pandas torchvision

!pip install -e DiffSynth-Studio

from modelscope.msdatasets import MsDataset

ds = MsDataset.load(
    'AI-ModelScope/lowres_anime',
    subset_name='default',
    split='train',
    cache_dir="/mnt/workspace/kolors/data"
)

import json, os
from data_juicer.utils.mm_utils import SpecialTokens
from tqdm import tqdm


os.makedirs("./data/lora_dataset/train", exist_ok=True)
os.makedirs("./data/data-juicer/input", exist_ok=True)
with open("./data/data-juicer/input/metadata.jsonl", "w") as f:
    for data_id, data in enumerate(tqdm(ds)):
        image = data["image"].convert("RGB")
        image.save(f"/mnt/workspace/kolors/data/lora_dataset/train/{data_id}.jpg")
        metadata = {"text": "二次元", "image": [f"/mnt/workspace/kolors/data/lora_dataset/train/{data_id}.jpg"]}
        f.write(json.dumps(metadata))
        f.write("\n")

data_juicer_config = """
# global parameters
project_name: 'data-process'
dataset_path: './data/data-juicer/input/metadata.jsonl'  # path to your dataset directory or file
np: 4  # number of subprocess to process your dataset

text_keys: 'text'
image_key: 'image'
image_special_token: '<__dj__image>'

export_path: './data/data-juicer/output/result.jsonl'

# process schedule
# a list of several process operators with their arguments
process:
    - image_shape_filter:
        min_width: 1024
        min_height: 1024
        any_or_all: any
    - image_aspect_ratio_filter:
        min_ratio: 0.5
        max_ratio: 2.0
        any_or_all: any
"""
with open("data/data-juicer/data_juicer_config.yaml", "w") as file:
    file.write(data_juicer_config.strip())

!dj-process --config data/data-juicer/data_juicer_config.yaml

import pandas as pd
import os, json
from PIL import Image
from tqdm import tqdm


texts, file_names = [], []
os.makedirs("./data/data-juicer/output/images", exist_ok=True)
with open("./data/data-juicer/output/result.jsonl", "r") as f:
    for line in tqdm(f):
        metadata = json.loads(line)
        texts.append(metadata["text"])
        file_names.append(metadata["image"][0])

df = pd.DataFrame({"text": texts, "file_name": file_names})
df.to_csv("./data/data-juicer/output/result.csv", index=False)

df

from transformers import CLIPProcessor, CLIPModel
import torch

model = CLIPModel.from_pretrained("openai/clip-vit-base-patch32")
processor = CLIPProcessor.from_pretrained("openai/clip-vit-base-patch32")

images = [Image.open(img_path) for img_path in df["file_name"]]
inputs = processor(text=df["text"].tolist(), images=images, return_tensors="pt", padding=True)

outputs = model(**inputs)
logits_per_image = outputs.logits_per_image  # this is the image-text similarity score
probs = logits_per_image.softmax(dim=1)  # we can take the softmax to get the probabilities

probs

from torch.utils.data import Dataset, DataLoader

class CustomDataset(Dataset):
    def __init__(self, df, processor):
        self.texts = df["text"].tolist()
        self.images = [Image.open(img_path) for img_path in df["file_name"]]
        self.processor = processor

    def __len__(self):
        return len(self.texts)

    def __getitem__(self, idx):
        inputs = self.processor(text=self.texts[idx], images=self.images[idx], return_tensors="pt", padding=True)
        return inputs

dataset = CustomDataset(df, processor)
dataloader = DataLoader(dataset, batch_size=8)

for batch in dataloader:
    outputs = model(**batch)
    logits_per_image = outputs.logits_per_image
    probs = logits_per_image.softmax(dim=1)
    print(probs)

import torch
from diffusers import StableDiffusionPipeline

torch.manual_seed(1)
pipe = StableDiffusionPipeline.from_pretrained("CompVis/stable-diffusion-v-1-4", torch_dtype=torch.float16)
pipe = pipe.to("cuda")

prompt = "二次元，一个紫色长发小女孩穿着粉色吊带漏肩连衣裙，在练习室练习唱歌，手持话筒"
negative_prompt = "丑陋、变形、嘈杂、模糊、低对比度"
guidance_scale = 4
num_inference_steps = 50

image = pipe(
    prompt=prompt,
    negative_prompt=negative_prompt,
    guidance_scale=guidance_scale,
    num_inference_steps=num_inference_steps,
    height=1024,
    width=1024,
).images[0]

image.save("example_image.png")
image

from PIL import Image

torch.manual_seed(1)
image = pipe(
    prompt="二次元，日系动漫，演唱会的观众席，人山人海，一个紫色短发小女孩穿着粉色吊带漏肩连衣裙坐在演唱会的观众席，舞台上衣着华丽的歌星们在唱歌",
    negative_prompt="丑陋、变形、嘈杂、模糊、低对比度",
    cfg_scale=4,
    num_inference_steps=50, height=1024, width=1024,
)
image.save("1.jpg")

torch.manual_seed(1)
image = pipe(
    prompt="二次元，一个紫色短发小女孩穿着粉色吊带漏肩连衣裙坐在演唱会的观众席，露出憧憬的神情",
    negative_prompt="丑陋、变形、嘈杂、模糊、低对比度，色情擦边",
    cfg_scale=4,
    num_inference_steps=50, height=1024, width=1024,
)
image.save("2.jpg")

torch.manual_seed(2)
image = pipe(
    prompt="二次元，一个紫色短发小女孩穿着粉色吊带漏肩连衣裙坐在演唱会的观众席，露出憧憬的神情",
    negative_prompt="丑陋、变形、嘈杂、模糊、低对比度，色情擦边",
    cfg_scale=4,
    num_inference_steps=50, height=1024, width=1024,
)
image.save("3.jpg")

torch.manual_seed(5)
image = pipe(
    prompt="二次元，一个紫色短发小女孩穿着粉色吊带漏肩连衣裙，对着流星许愿，闭着眼睛，十指交叉，侧面",
    negative_prompt="丑陋、变形、嘈杂、模糊、低对比度，扭曲的手指，多余的手指",
    cfg_scale=4,
    num_inference_steps=50, height=1024, width=1024,
)
image.save("4.jpg")

torch.manual_seed(0)
image = pipe(
    prompt="二次元，一个紫色中等长度头发小女孩穿着粉色吊带漏肩连衣裙，在练习室练习唱歌",
    negative_prompt="丑陋、变形、嘈杂、模糊、低对比度",
    cfg_scale=4,
    num_inference_steps=50, height=1024, width=1024,
)
image.save("5.jpg")

torch.manual_seed(1)
image = pipe(
    prompt="二次元，一个紫色长发小女孩穿着粉色吊带漏肩连衣裙，在练习室练习唱歌，手持话筒",
    negative_prompt="丑陋、变形、嘈杂、模糊、低对比度",
    cfg_scale=4,
    num_inference_steps=50, height=1024, width=1024,
)
image.save("6.jpg")

torch.manual_seed(7)
image = pipe(
    prompt="二次元，紫色长发少女，穿着黑色连衣裙，试衣间，心情忐忑",
    negative_prompt="丑陋、变形、嘈杂、模糊、低对比度",
    cfg_scale=4,
    num_inference_steps=50, height=1024, width=1024,
)
image.save("7.jpg")

torch.manual_seed(0)
image = pipe(
    prompt="二次元，紫色长发少女，穿着黑色礼服，连衣裙，在台上唱歌",
    negative_prompt="丑陋、变形、嘈杂、模糊、低对比度",
    cfg_scale=4,
    num_inference_steps=50, height=1024, width=1024,
)
image.save("8.jpg")

import numpy as np
from PIL import Image


images = [np.array(Image.open(f"{i}.jpg")) for i in range(1, 9)]
image = np.concatenate([
    np.concatenate(images[0:2], axis=1),
    np.concatenate(images[2:4], axis=1),
    np.concatenate(images[4:6], axis=1),
    np.concatenate(images[6:8], axis=1),
], axis=0)
image = Image.fromarray(image).resize((1024, 2048))
image

好了，现在请借助AI助手实战！

→①分析代码的主体架构

Ⅰ.向AI助手输入prompt

你是一个优秀的python开发工程师，现在我们需要你帮我们分析这个代码的主体框架，你需要把代码按照工作流分成几部分，用中文回答我的问题。{此处替换前面的代码}

*插个题外话，看见“工作流”的时候我其实不太懂这个词的实际意思，就去csdn上查了一下（

工作流：工作流是一系列有序的任务、活动和决策，以实现特定的业务过程或工作流程。它描述了任务的先后顺序、依赖关系、条件和规则等，用于指导和管理工作的执行，后面第一个附的是两篇文章链接，不清楚工作流的小伙伴也可以看看，很详细奥~）

来自 <【工作流】 工作流相关概念及Activiti基本介绍_activity工作流-CSDN博客>

从程序员的角度来看为什么我们需要工作流_是否有必要使用工作流-CSDN博客

Ⅱ.AI助手返回的结果

→这段代码主要完成了以下几个任务：

1. **环境准备**：

   - 安装所需的Python包，包括`simple-aesthetics-predictor`, `data-juicer`, `peft`, `lightning`, `pandas`, `torchvision`, 和 `DiffSynth-Studio`。

   - 卸载`pytorch-lightning`并安装一些替代版本。

2. **数据集加载与处理**：

   - 从ModelScope加载了一个名为`lowres_anime`的数据集，并将其保存到指定的目录。

   - 将数据集中的图片转换为RGB格式，并将每张图片和对应的描述性文本保存到本地文件系统中。同时，这些信息被记录在一个JSON Lines文件`metadata.jsonl`中。

3. **数据筛选与处理配置**：

   - 创建了一个配置文件`data_juicer_config.yaml`来定义数据处理的规则，包括过滤图片的尺寸和宽高比。

   - 使用`data-juicer`工具根据上述配置文件对数据进行预处理，并输出到`result.jsonl`文件中。

4. **数据分析与准备**：

   - 读取经过筛选后的数据集，创建一个Pandas DataFrame来存储图像文件名和对应的文本描述。

   - 将DataFrame保存为CSV文件。

   - 利用CLIP模型计算图像和文本之间的相似度得分。

5. **自定义数据集类**：

   - 定义了一个PyTorch的`Dataset`子类`CustomDataset`，用于将图像和文本配对，并准备好输入给下游模型。

6. **数据加载与模型推理**：

   - 创建了`DataLoader`对象来批量加载数据，并通过CLIP模型计算每个批次的图像与文本相似度。

7. **生成图像**：

   - 使用`StableDiffusionPipeline`根据不同的提示（prompt）生成了一系列二次元风格的图像，并保存这些图像。

8. **图像展示**：

   - 最后，代码尝试将生成的图像拼接在一起并调整大小以方便展示。

总结来说，整个流程涵盖了从数据集的加载、处理、分析到使用预训练模型进行推理以及图像生成等多个环节。这样的流水线非常适合于处理大规模图像数据集，并且可以用来训练或评估图像生成模型的效果。

Ⅲ.使用AI助手例图

→②逐行代码解析

Ⅰ.同样地，向AI助手输入prompt

你是一个优秀的python开发工程师，现在我们需要你帮我们逐行分析这个代码，用中文回答我的问题。{此处替换前面的代码}

Ⅱ.AI助手返回结果

这段代码可以分为几个主要部分来进行逐行分析：

### 1. 环境准备

- `!pip install simple-aesthetics-predictor`: 安装`simple-aesthetics-predictor`包。

- `!pip install -v -e data-juicer`: 安装`data-juicer`包，并使其可编辑运行。

- `!pip uninstall pytorch-lightning -y`: 卸载`pytorch-lightning`包。

- `!pip install peft lightning pandas torchvision`: 安装`peft`、`lightning`、`pandas`和`torchvision`包。

- `!pip install -e DiffSynth-Studio`: 安装`DiffSynth-Studio`包，并使其可编辑运行。

### 2. 数据集加载与处理

- `from modelscope.msdatasets import MsDataset`: 导入ModelScope的数据集模块。

- `ds = MsDataset.load('AI-ModelScope/lowres_anime', subset_name='default', split='train', cache_dir="/mnt/workspace/kolors/data")`: 加载名为`lowres_anime`的数据集，并设置缓存目录。

### 3. 数据预处理

- `import json, os`: 导入`json`和`os`模块。

- `from data_juicer.utils.mm_utils import SpecialTokens`: 导入`SpecialTokens`类。

- `from tqdm import tqdm`: 导入`tqdm`模块以显示进度条。

- `os.makedirs("./data/lora_dataset/train", exist_ok=True)`: 创建目录`./data/lora_dataset/train`，如果已存在则不报错。

- `os.makedirs("./data/data-juicer/input", exist_ok=True)`: 创建目录`./data/data-juicer/input`。

- `with open("./data/data-juicer/input/metadata.jsonl", "w") as f:`: 打开`metadata.jsonl`文件以写入数据。

- `for data_id, data in enumerate(tqdm(ds)):`: 遍历数据集中的每一项数据。

- `image = data["image"].convert("RGB")`: 将图片转换为RGB模式。

- `image.save(f"/mnt/workspace/kolors/data/lora_dataset/train/{data_id}.jpg")`: 保存图片到指定路径。

- `metadata = {"text": "二次元", "image": [f"/mnt/workspace/kolors/data/lora_dataset/train/{data_id}.jpg"]}`: 创建元数据字典。

- `f.write(json.dumps(metadata))`: 写入元数据到文件。

- `f.write("\n")`: 每个元数据项后添加换行符。

### 4. 数据筛选配置

- 定义`data_juicer_config`字符串，包含了数据处理的配置信息。

- `with open("data/data-juicer/data_juicer_config.yaml", "w") as file:`: 写入配置文件。

- `file.write(data_juicer_config.strip())`: 将配置信息写入文件。

- `!dj-process --config data/data-juicer/data_juicer_config.yaml`: 调用`data-juicer`工具对数据进行处理。

### 5. 数据分析与准备

- `import pandas as pd`: 导入`pandas`模块。

- `os.makedirs("./data/data-juicer/output/images", exist_ok=True)`: 创建输出目录。

- 读取处理后的数据，并将元数据存储为列表。

- `df = pd.DataFrame({"text": texts, "file_name": file_names})`: 创建DataFrame。

- `df.to_csv("./data/data-juicer/output/result.csv", index=False)`: 将DataFrame保存为CSV文件。

- `df`: 显示DataFrame的内容。

### 6. 计算图像与文本相似度

- `from transformers import CLIPProcessor, CLIPModel`: 导入`CLIP`模型和处理器。

- `model = CLIPModel.from_pretrained("openai/clip-vit-base-patch32")`: 加载预训练的CLIP模型。

- `processor = CLIPProcessor.from_pretrained("openai/clip-vit-base-patch32")`: 加载预训练的CLIP处理器。

- `images = [Image.open(img_path) for img_path in df["file_name"]]`: 读取图像。

- `inputs = processor(text=df["text"].tolist(), images=images, return_tensors="pt", padding=True)`: 处理文本和图像。

- `outputs = model(**inputs)`: 使用CLIP模型进行推理。

- `logits_per_image = outputs.logits_per_image`: 获取图像与文本相似度得分。

- `probs = logits_per_image.softmax(dim=1)`: 计算概率分布。

### 7. 自定义数据集类

- `class CustomDataset(Dataset):`: 定义一个自定义的数据集类。

- 实现`__init__`, `__len__`, `__getitem__`方法。

- `dataset = CustomDataset(df, processor)`: 创建数据集实例。

- `dataloader = DataLoader(dataset, batch_size=8)`: 创建数据加载器。

- `for batch in dataloader:`: 遍历数据加载器中的批次。

- `outputs = model(**batch)`: 对每个批次进行模型推理。

- `print(probs)`: 输出每个批次的概率分布。

### 8. 图像生成

- `import torch`: 导入`torch`模块。

- `from diffusers import StableDiffusionPipeline`: 导入`StableDiffusionPipeline`。

- 设置随机种子以确保结果可复现。

- `pipe = StableDiffusionPipeline.from_pretrained("CompVis/stable-diffusion-v-1-4", torch_dtype=torch.float16)`: 加载预训练的图像生成模型。

- `pipe = pipe.to("cuda")`: 将模型移动到GPU上。

- 使用不同的提示和配置生成图像，并保存。

### 9. 图像展示

- `images = [np.array(Image.open(f"{i}.jpg")) for i in range(1, 9)]`: 读取生成的图像。

- `image = np.concatenate([...])`: 将图像拼接起来。

- `image = Image.fromarray(image).resize((1024, 2048))`: 将图像转换为`PIL.Image`对象并调整大小。

- `image`: 展示最终的拼接图像。

以上是对这段代码的逐行分析。这段代码主要涉及了数据集的加载、处理、图像与文本相似度计算、自定义数据集、图像生成和展示等功能。

一些感悟~

通过和Datawhale教程的对比，我们发现返回的结果存在出入，以上面的prompt输入，AI助手返回的结果比较粗略，如果想要更细致，可以选择调整一下提示词（更有指向性AI返回结果会更清晰，也不会省略、跳过一些代码，下面也有更好的办法！）

→②修改成：你是一个优秀的python代码开发工程师，我们现在有一个python文件，需要你来逐行分析，每一行代码都增加上中文语义备注（调整后的提示词AI的返回结果会更加细致）

Ⅲ示例.

想要更细致更好的方法↓（Datawhale教程里面代码分析应该是多次追问的结果，多多探索！）

Ⅳ..向AI追问！

在逐行分析后，继续向你想要更深入了解的部分追问

提示词：

我对其中{替换成你的问题}还是不太理解，给我再详细介绍一下

示例：

觉得一开始AI逐行分析代码粗略仍然可以多多提问不断了解代码。

三、实战演练——基于话剧的连环画制作

1、数据准备（用通义）

Eg.输入下面的提示词

（下面是我实践的一个例子，每个part有空行应该是为了让AI便于思考输出，空行感觉不删除更好，在这一部分大家也可以自己想一些剧情进行尝试~）

你是一个文生图专家，我们现在要做一个实战项目，就是要编排一个文生图话剧 话剧由8张场景图片生成，你需要输出每张图片的生图提示词

具体的场景图片

1、女主是一个大学生，正在大学课堂上课

2、开始睡着了

3、进入梦乡，梦到自己回到了初中

4、初中同学在操场上追逐打闹

5、女主穿着初中校服迎风笑

6、女主和初中同学谈笑风生

7、下课了，梦醒了

8、女主看了一下手机微信列表早已灰暗的初中同学账号

生图提示词要求

1、风格为二次元，日系动漫

2、根据场景确定是使用全身还是上半身

3、人物描述

4、场景描述

5、做什么事情

例子：

二次元、日系动漫、一个黑色长发少女，坐在教室里，盯着黑板，手里拿着笔，深思，上半身，蓝白条纹T恤

询问通义

最后整理出来的表格

结合通义返回的结果就是下面这样了，负向提示词是人为添加到表格上的（不是通义返回的，我暂时还没试通义能不能返回负向提示词结果）一般负向提示词大致就是像下面这么写，有什么还想规避的就往上添加

编号	场景	正向提示词	负向提示词
图片1	女主是一个大学生，正在大学课堂上课	二次元、日系动漫 一个黑色长发少女，上半身特写 身穿浅蓝白色T恤 坐在宽敞明亮的大学教室里，周围是其他学生 认真听讲，手里拿着笔，偶尔记笔记	丑陋、变形、嘈杂、模糊、低对比度，扭曲手臂，扭曲手指，多余手臂，多余手指
图片2	开始睡着了	二次元、日系动漫 黑色长发少女，上半身特写 身穿浅蓝白色T恤 在大学教室里，头轻轻垂向一侧，表情放松 手里的笔滑落，桌面放着打开的笔记本	丑陋、变形、嘈杂、模糊、低对比度，扭曲面部，扭曲手臂，扭曲手指，多余手臂，多余手指
图片3	进入梦乡，梦到自己回到了初中	二次元、日系动漫 黑色短发小女孩，上半身特写 身穿初中校服（蓝色领带配白色衬衫） 站在充满阳光的初中教室门口 微笑着，似乎对周围的环境感到既熟悉又惊讶	丑陋、变形、嘈杂、模糊、低对比度，扭曲的脑海框，模糊手臂，模糊色块，曲面部，扭曲手臂，扭曲手指，多余手臂，扭曲身体，不规则身体
图片4	初中同学在操场上追逐打闹	二次元、日系动漫 操场上的多个角色，全身特写 包括黑色短发小女孩在内的初中生们 穿着各式各样的运动服装 在宽阔的操场上嬉戏打闹，背景是蓝天白云	丑陋、变形、嘈杂、模糊、低对比度，扭曲的手指，多余的手指，扭曲身体，不规则身体
图片5	女主穿着初中校服迎风笑	二次元、日系动漫 黑色短发小女孩，上半身特写 穿着蓝色领带配白色衬衫的初中校服 站在操场边，头发随风飘扬 面带微笑，眼神中透露出对美好时光的怀念	丑陋、变形、嘈杂、模糊、低对比度，扭曲身体，扭曲面部，扭曲模糊画面，扭曲身体，不规则身体
图片6	女主和初中同学谈笑风生	二次元、日系动漫 黑色短发小女孩和其他几个同学，上半身特写 穿着蓝色领带配白色衬衫的初中校服 围坐在教室的桌旁 大家聚在一起交谈，气氛轻松愉快	丑陋、变形、嘈杂、模糊、低对比度，扭曲手指，多余手指，扭曲面部，扭曲身体，不规则身体
图片7	下课了，梦醒了	二次元、日系动漫 黑色长发少女，上半身特写 身穿浅蓝白色T恤 坐在大学教室里，刚刚醒来 表情略显迷茫，环顾四周确认自己回到了现实	丑陋、变形、嘈杂、模糊、低对比度，扭曲手指，多余手指，扭曲面部，扭曲身体，不规则身体
图片8	女主看了一下手机微信列表早已灰暗的初中同学账号	二次元、日系动漫 黑色长发少女，上半身特写 身穿浅蓝白色T恤 坐在大学教室里，低头看着手机 表情有些失落，手指轻触屏幕上的初中同学微信列表	丑陋、变形、嘈杂、模糊、低对比度，扭曲嘴巴，扭曲面部，扭曲手指，多余手指，扭曲手机屏幕，异常手机页面

按照这样再跑一遍task1流程即可！

展示图（我描述出来人物还是有一些不一致，我会再继续尝试的！下面是输出的一张我比较喜欢的画风，明天试试调整成这样的画风，现在不小心出现CUDA内存不够的错误了qaq）

Part4：更多的选择一一浅尝scepter webui

这是教程里面鼓励我们再多尝试的一个part~

   1、浅尝功能

魔搭体验网址：https://www.modelscope.cn/studios/iic/scepter_studio

   2、核心组件

• 生成训练和推理框架

• 轻松实施流行方法

• 交互式用户界面：SCEPTER Studio

   3、私有部署（挑战型）

魔搭社区提供的体验地址里面缺失了微调模型的功能，如果大家希望能使用secpter完整的功能，我们可以将其私有部署到我们自己的服务器。

github地址：https://github.com/modelscope/scepter

可以通过官方readme文件中的教程进行操作，该模块对基础有一定的要求，适合学有余力的同学