目录
Datawhale 2024 年 AI 夏令营第四期的学习活动（“AIGC”方向）
该活动为面向“可图Kolors-LoRA风格故事挑战赛”开展的实践学习
所有人均可参与，全程免费，参与方式为线上报名
挑战赛内容
-
参赛者需在可图 Kolors 模型的基础上训练LoRA 模型，风格不限。
-
基于LoRA模型生成 8 张图片组成连贯故事，故事内容可自定义
-
评估标准：LoRA风格的美感度及连贯性
样例：偶像少女养成日记
挑战赛奖励
| 奖项 | 奖金 |
|---|---|
| 一等奖（第1名） | 10000元*1 |
| 二等奖（第2-4名） | 3000元*3 |
| 三等奖（第5-10名） | 1000元*6 |
| 人气奖（10个） | 500元天猫超市卡*10 |
PS：
人气奖：截止2024年8月31日23:59前点赞数+统计数，降序选出前10名，9月2日公布
实践过程
Step 1（获得免费的Linux云计算主机）
登录魔塔（可选手机号登陆、CSDN登录、GitHub登录）
打开我的Notebook
如图创建实例（大约需要2分钟）
实例创建成功后点击下方的查看Notebook进入实例
Step 2（配置训练环境）
如图点击图标，进入终端
在窗口中依次输入命令（输入命令并回车后再输入下一条命令）
第一条命令：（安装运行依赖库）
git lfs install第二条命令：（克隆模型文件）
git clone https://www.modelscope.cn/datasets/maochase/kolors.git双击进入kolors文件夹
双击打开baseline文件（进入下图窗口）
点击执行，执行完成后点击重启（该步骤用于一键安装依赖文件）
向下滑动，找到关键词，根据自己想法添加关键词（一共8幅图）（越靠前的关键词影响比重越大）
关键词输入似乎有数量限制（不确定，输入较多关键词时会提示字符数量过多）
结束后，点击一键运行，开始生成图像（大约20分钟）
最后会在下方生成图像（滑动到页面最底下）
成品展示
总结
在这次AIGC（Artificial Intelligence Generated Content，人工智能生成内容）训练营中，我经历了一次激动人心的学习与实践之旅，成功利用AI技术生成了八幅充满创意与个性化的图像作品。这次经历不仅深化了我对AI生成艺术的理解，也让我亲身体验到了科技与艺术融合的无限可能。
一、任务概述
本次训练营的核心任务是通过输入关键词（如“星空”、“梦幻城堡”）与负面关键词（如“暗淡”、“单调”），引导AI算法创造出既符合正面引导又避免负面特征的图像。这一过程考验了我对AI生成内容的掌控能力，以及如何精准地传达个人审美与创意需求。同时这也是对AIGC的初步体验过程，该实践过程包含了环境搭建以及关键词输入，有助于对AIGC的入门。
二、学习收获
-
技术认知提升：通过理论学习与实操演练，我深入了解了AIGC背后的技术原理，包括深度学习、卷积神经网络（CNN）、生成对抗网络（GAN）等关键技术。这些知识的掌握为我后续更好地利用AI工具打下了坚实的基础。
-
创意激发：在设定关键词与负面关键词的过程中，我不断尝试新的组合与搭配，激发了丰富的想象力与创造力。AI生成的图像往往超出预期，为我的创意世界增添了新的色彩与灵感。
-
技能实践：从最初的参数调整、模型选择，到最终的图像筛选与优化，我全程参与了AI生成图像的每一个步骤。这一过程不仅锻炼了我的实践能力，也让我更加熟悉了AI创作流程中的每一个细节。
三、反思与展望
虽然本次任务取得了较为满意的成果，但我也意识到自己在AI技术掌握、创意挖掘等方面仍有提升空间。未来，我将继续深入学习AIGC相关知识，探索更多AI创作工具与平台；同时，我也将更加注重个人创意的培养与表达，努力在AI与艺术的交融中创造出更多独特而富有魅力的作品。
拓展
提示词
提示词很重要，一般写法：主体描述，细节描述，修饰词，艺术风格，艺术家（越靠前比重越大）
常见训练参数
output_dir：指定模型保存的路径
output_name：指定模型保存的文件名（不含扩展名）
max_train_steps：指定训练的steps数
mixed_precision：使用混合精度来节省显存
gradient_checkpointing：用于节省显存，但是会增加训练时间
xformers / mem_eff_attn：用于节省显存
一键AI生成图片体验
魔塔提供了一键生成AI图片的功能，点击访问
ps：该模型训练工具上传的图片数量最多128张，相比于代码开发的模式，有一定的限制。故在模型效果上比我们上边代码生成的结果差。
1057
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
