Datawhale X 魔搭 AI夏令营第四期 AIGC方向 task03 进阶上分-实战优化-CSDN博客

本文链接：https://blog.csdn.net/Sugar_Xie/article/details/141268873

前情提要

Datawhale X 魔搭 AI夏令营第四期 AIGC方向 task01 从零入门AI生图原理&实践-CSDN博客

Datawhale X 魔搭 AI夏令营第四期 AIGC方向 task02 精读代码，实战进阶-CSDN博客

在上次任务中，我们借助通义千问对baseline的代码进行了详细的解读，并在通义千问的辅助下生成了一组连环画；同时对文生图的发展情况有了更多的了解。在本次任务中，我们将进一步了解微调的过程，并体验ComfyUI搭建工作流生成的过程。

1 了解ComfyUI

ComfyUI是一个为Stable Diffusion专门设计的基于节点的图形用户界面（GUI）。它使用户能够通过链接不同的块（称为节点）来构建复杂的图像生成工作流程。这些节点可以包括各种任务，如加载检查点模型、输入提示、指定采样器等，这样用户就可以根据需要定制自己的图像生成过程。

ComfyUI的核心模块由模型加载器、提示词管理器、采样器、解码器构成。

（1）模型加载器：Load Checkpoint用于加载基础的模型文件，包含了Model、CLIP、VAE三部分。

（2）提示词管理器：将文本类型的输入变为模型可以理解的latent space embedding作为模型的输入。

（3）采样器：用于控制模型生成图像，不同的采样取值会影响最终输出图像的质量和多样性。采样器可以调节生成过程的速度和质量之间的平衡。

（4）解码器：将Latent space中的embedding解码为像素级别的图像。

ComfyUI的工作流程如下：

（1）选择模型：从可用的模型列表中选择模型

（2）构建工作流：将ComfyUI节点连接成一个完整的工作流程，并输入必要的参数。

（3）执行生成：执行工作流，生成图像。

（4）调优：根据结果调整参数和工作流。

comfyUI的优势：

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。

2 安装ComfyUI

我们利用魔搭社区的免费GPU实例进行体验：

图1 魔搭平台免费实例选择

启动实例后，进入终端执行下面的代码下载文件：

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/

图2 执行代码下载左侧的三个文件

打开ipynb脚本，一键运行安装程序。（由于网络等原因，下载的组件可能不全，再次执行安装部分即可）

执行完成后在最下方会输出一个链接，在浏览器中访问该链接即可进入ComfyUI界面。

图3 完成安装和启动，输出访问地址（This is the URL to access ComfyUI处）

图4 ComfyUI界面

3 在ComfyUI中执行工作流

点击Load导入工作流脚本文件，点击Queue Prompt执行工作流加载模型并生成图像。

图5 不带lora微调的工作流和生成结果

图6 带lora微调的工作流和生成结果，微调模型来源于task01

4 关于Lora微调

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。LoRA通过在预训练模型的关键层中添加低秩矩阵来实现。这些低秩矩阵通常被设计成具有较低维度的参数空间，这样它们就可以在不改变模型整体结构的情况下进行微调。Lora利用少量的数据对模型的一部分进行微调，在拥有更高的效率的同时可以对调整的特定领域获得更好的效果。

Task02中的微调代码如下：

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

其中的参数含义如下：

参数名称	参数值	说明
`pretrained_unet_path`	models/kolors/Kolors/unet/diffusion_pytorch_model.safetensors	指定预训练UNet模型的路径
`pretrained_text_encoder_path`	models/kolors/Kolors/text_encoder	指定预训练文本编码器的路径
`pretrained_fp16_vae_path`	models/sdxl-vae-fp16-fix/diffusion_pytorch_model.safetensors	指定预训练VAE模型的路径
`lora_rank`	16	设置LoRA的秩（rank），影响模型的复杂度和性能
`lora_alpha`	4	设置LoRA的alpha值，控制微调的强度
`dataset_path`	data/lora_dataset_processed	指定用于训练的数据集路径
`output_path`	./models	指定训练完成后保存模型的路径
`max_epochs`	1	设置最大训练轮数为1
`center_crop`		启用中心裁剪，用于图像预处理
`use_gradient_checkpointing`		启用梯度检查点，节省显存
`precision`	"16-mixed"	设置训练时的精度为混合16位精度（half precision）