目录
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 .
‣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!