Datawhale X 魔搭 AI夏令营 ‣AIGC文生图方向-Task3笔记

Cx330_Aurora

已于 2024-08-17 19:52:26 修改

阅读量644

点赞数 14

分类专栏： AIGC 文章标签：人工智能 AIGC AI编程 AI作画 python 阿里云矩阵

于 2024-08-17 19:28:20 首次发布

本文链接：https://blog.csdn.net/Cx330_Aurora/article/details/141271787

版权

AIGC 专栏收录该内容

2 篇文章 0 订阅

订阅专栏

目录

一、ComfyUI

‣ComfyUI 是什么

‣ComfyUI 怎么工作

‣ComfyUI 核心模块

‣ComfyUI 资源学习网站

‣ComfyUI 优势

二、安装ComfyUI( 操作教程 )

Step1：选择使用魔搭社区的Notebook 和免费的GPU算力体验来体验ComfyUI

Step2：下载脚本代码文件

Step3：一键执行安装程序

Step4：进入预览界面

三、LoRA

‣LoRA是什么：

‣LoRA微调原理：通俗易懂理解全量微调和LoRA微调_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1tthPeFEWb/?t=9.268048&spm_id_from=333.1350.jump_directly&vd_source=5ca87c0d20b9b25a57cac778af63ffce

‣LoRA详解

一、ComfyUI

‣ComfyUI 是什么

通俗来讲，ComfyUI 是一个软件程序，它让你能够使用AI来创造图像，而且不需要写任何代码。

你可以把它想象成一个搭建积木的游戏，只不过这里的积木是AI处理的步骤，最终“建造”的东西是一张图片。

ComfyUI系统性教程： 一万字系统剖析ComfyUI-哔哩哔哩

‣ComfyUI 怎么工作

选择模型：首先，你需要决定你想让AI做什么，比如从文字描述中生成一幅画，或者是修改一张现有的图片。
搭建工作流程：在ComfyUI中，不同的AI操作被设计成一个个小块（我们称之为节点）。你可以像搭积木一样把这些节点连起来，形成一个完成特定任务的工作流程。
设置参数：每个节点都有自己的设置选项，比如你可以选择生成的图片的风格、尺寸等。
运行工作流程：一旦你完成了工作流程的设计并设置了所有参数，就可以点击运行按钮。ComfyUI就会按照指定的步骤执行任务，并生成最终的图像。
查看结果，调整优化：最后，你可以看到生成的图片，并根据需要调整工作流程或参数再次尝试。

‣ComfyUI 核心模块

核心模块：模型加载器、提示词管理器、采样器、解码器 .

**图片来自魔搭社区，具体内容可点击查看：** 魔搭官方教程
**对应PPT：** 模块化生成模型GUI介绍&ComfyUI 应用场景探索

‣ComfyUI 资源学习网站

‣ComfyUI 优势

模块化和灵活性：ComfyUI 提供了一个模块化的系统，用户可以通过拖放不同的模块来构建复杂的工作流程。这种灵活性允许用户根据自己的需求自由组合和调整模型、输入、输出、和其他处理步骤。
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理解和操作复杂的 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 支持多个不同的生成模型，用户可以在同一平台上集成和切换使用不同的模型，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 使得调试生成过程变得更简单。用户可以轻松地追踪数据流，识别并解决问题，从而优化生成结果。
开放和可扩展：ComfyUI 是一个开源项目，具有高度的可扩展性。开发者可以根据需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，也能以相对简单的方式完成，使其成为生成式 AI 工作流程管理的有力工具。

二、安装ComfyUI( 操作教程 )

Step1：选择使用魔搭社区的Notebook 和免费的GPU算力体验来体验ComfyUI

Step2：下载脚本代码文件

下载安装ComfyUI的执行文件和task1中微调完成Lora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/

Step3：一键执行安装程序

Step4：进入预览界面

▾出现该链接即可跳转，无需等到全部运行完

▫ComfyUI 界面：

⇘下载工作流脚本：

不带Lora的工作流样例：Docs

带Lora的工作流样例：Docs

⇘Next：

三、LoRA

‣LoRA是什么：

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术。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能力和较低的资源消耗。这对于推动大规模预训练模型的实际应用至关重要。

▾来看看 AI 对此的通俗解释：

‣LoRA微调原理：通俗易懂理解全量微调和LoRA微调_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1tthPeFEWb/?t=9.268048&spm_id_from=333.1350.jump_directly&vd_source=5ca87c0d20b9b25a57cac778af63ffce

▾来看看 AI 对此的通俗解释：

‣LoRA详解：

▾Task2中的的微调代码：

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

▾参数详情表：

▾UNet、VAE和文本编码器的协作关系

UNet：负责根据输入的噪声和文本条件生成图像。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，从而生成与文本描述相符的图像
VAE：生成模型，用于将输入数据映射到潜在空间，并从中采样以生成新图像。在Stable Diffusion中，VAE编码器首先生成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理解的向量表示。在Stable Diffusion模型中，文本编码器使用CLIP模型将文本提示转换为向量，这些向量与VAE生成的噪声一起输入到UNet中，指导图像的生成过程

如果您对本文有任何疑问、建议或想分享自己的经验，请在评论区留言，期待与大家的互动！