免费在Kaggle上部署stable diffusion，白嫖万元 32G 双GPU

已于 2024-02-06 09:45:45 修改
阅读量2.3k 收藏 18
点赞数 9
文章标签： 人工智能作画 AI作画 AIGC stable diffusion
于 2024-02-05 11:10:33 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jiangxu110/article/details/136038401
版权

保姆级在Kaggle上部署stable diffusion，白嫖万元 32G 双GPU

最近爆火的AI绘画项目stable diffusion，免费开源，受到广大用户的喜爱，但是它对电脑显卡有很高的要求，自己想玩AI但是购买服务器又太贵，本文将告诉你一个免费部署的方法。 

 Kaggle注册

1、首先打开Kaggle官网： www.kaggle.com

02de4512646e0d91e5db8a506220a565.jpeg

可以使用国内邮箱账号注册

368ce0b35b09a8ff8bc348b8e706b5df.jpeg

发送邮箱验证，输入邮箱验证码

2c3879c92ce114eb73f14c6bfb886cca.jpeg

首先点击右上角的头像，进入设置

e5de68a66ae3e0f0336563154d9cbde0.jpeg

 如果需要使用GPU，需要手机进行验证，点击手机 96992ef8d482624df6182917a5fc6288.jpeg

使用你的手机号码进行校验

a7d917dc2bcc88ec9bf43106b45a4e91.jpeg

可以看到我们有30小时的gpu的使用时间，这个时间每周都会重置。平均每天4个小时对于普通人完全够用了。

293a2528c4e4d33125227b739fe7ed91.jpeg

我们点击code 搜索 sd kaggle webui codex

进入之后 点击 copy&Edit

按如图所示进行选择 选择GPUT4x2 ，开启联网

ddc1854dbad2975b37bacf8c13a57b60.jpeg

点击Run All

等待4~5分钟左右，当看到如下连接，说明已经部署成功了。

注意：当我们用完后，一定要记得点击右上角那个电源的图标将其关机，否则会一直消耗GPU时长。

我们点击ngrok的内网穿透链接，如果需要自己配置内网穿透，可以查看关于如何使用ngrok的内网穿透的文章

7433fee512cac3dd232774554d4395a9.jpeg

各种常用的插件，爆款提示词插件都已经内置了，抽卡来一张

c47fa6bb3a2f2703af390a5efe7d07ad.jpeg

可自行修改提示词，看看生成的效果。

AIGC绘画：kaggle部署stable diffusion项目绘画
Cachel Wood的博客
08-16 1310
Kaggle成立于2010年，是一个进行数据发掘和预测竞赛的在线平台。从公司的角度来讲，可以提供一些数据，进而提出一个实际需要解决的问题；从参赛者的角度来讲，他们将组队参与项目，针对其中一个问题提出解决方案，最终由公司选出的最佳方案可以获得5K-10K美金的奖金。kaggle平台的优点：免费的P100 GPU进行推理（每周可免费使用30小时），部署好后可以在任意移动端使用。
【Kaggle】Stable Diffusion 竞赛（2023 年 5 月 11 日版本，准确率 0.59 + ）
wzk4869的博客
05-13 1267
【Kaggle】Stable Diffusion 竞赛（2023 年 5 月 11 日版本，准确率 0.59 + ）
白嫖 Kaggle 部署 stable-diffusion
qq_51211264的博客
05-08 1213
kaggle 每周有 30 个小时的免费 GPU 资源，可以使用 Kaggle 来部署 stable-diffusion 免费享受 AI 绘画服务。
kaggle（白嫖免费GPU，新手必看！！！）
热门推荐
m0_45267220的博客
04-11 3万+
超详细新手白嫖kaggle GPU教程，不可错过哦
学AI-撸羊毛-免费GPU服务器-kaggle-每周30小时-可以进行数据训练，大模型微调
最新发布
爱莲说的博客
03-10 868
Kaggle 主要为数据科学家、机器学习工程师、开发商以及数据科学爱好者等提供服务，是一个集机器学习竞赛、托管数据库、代码编写和分享等功能于一体的平台。
Kaggle：免费 GPU 使用指南，Colab 的理想替代方案
Hoper-J的博客
11-07 1万+
“白嫖”免费 GPU 的图文攻略。
政安晨【零基础玩转各类开源AI项目】：在Kaggle上部署使用Stable Diffusion
政安晨——致力于AI人工智能数字互动领域
04-03 1819
Stable Diffusion 3 是Stability AI最新的文本到图像模型，在处理多主题提示、卓越的图像质量和拼写准确性方面实现了重大飞跃。目前，该模型正处于早期预览阶段，提供从 800M 到 8B 参数的各种配置，使各种硬件配置的使用更加平民化。
kaggle免费服务器全攻略
weixin_40467931的博客
06-29 1799
1. kaggle服务器16G显卡一周40小时. 所以我们直接干一堆谷歌账号即可 2. 谷歌账号的注册: 　　我们需要FQcolab for windows可以做到. 　　然后我们注册好账号后.我们注册4个账号. 　　注册方法. 打开chrome 　　 　　点最下面的添加按钮.然后一直下一步即可.无脑注册. 3. 　　为Chrome多账户添加单独的快捷方式 　　https://blog....
Stable Diffusion运行时自动重启的小程序
benben044的专栏
01-08 713
2、contab执行时的路径并非当前路径，即使launch.py写了绝对路径，但是launch.py依赖的包并非绝对路径，所以需要cd到固定目录后，再执行sd的启动脚本。思路：stable diffusion运行时需要使用GPU，如果GPU没有在用，并且GPU对应的进程也找不到，则判断sd服务已经挂掉了。1、crontab时的执行环境，不是当前的conda环境，所以需要明确指定conda对应的python的可执行命令的路径信息。
使用Kaggle的免费GPU
qq_43239577的博客
07-16 5128
之前看网上视频说可以用kaggle上的免费GPU，于是乎，就想办法（这个懂得都懂）注册了kaggle，然后进去notebook的页面，跟着视频上教的去setteings里开启GPU，然而我的settings里面是这样的： 我就怎么也找不到GPU，后来发现下面又一句话 也就是需要验证手机，于是乎点进去，然后进行一下验证就可以了：select Country选择CN（+86），下面再填自己的手机号，最后点人机验证就可以收到验证码啦，填上验证码之后，就可以在settings里选择GPU啦 大功告成！！！ ..
kaggle如何白嫖gpu并运行自己的python文件
Caesar Zou 的博客
08-03 1763
这个很简单，只要创建一个自己的code，具体就是create-code-+new notebook就可以然后点击三个小点选择accelerator或者右边notebook option也可以选择注意：要注册验证手机号才能用，在主页头像点进去的个人账号这个地方里面验证，如果还是用不了可以尝试退出登录。
【白嫖GPU服务器】colab和阿里云的DSW
Zheng113的博客
01-02 2438
白嫖colab和阿里云gpu服务器dsw
【深度学习】使用kaggle提供的免费GPU在线训练模型
冷芝士鸭的学习笔记
05-08 7644
背景 自己电脑没有GPU，只能找找网上的平台来跑模型，但是又买不起服务器，只能使用免费的平台这样子 免费的在线平台 各大计算平台免费GPU资源总结 本文要介绍的就是第三个，虽然是国外的，但是不用翻墙就可以访问，每周免费30小时使用时长 显卡信息如下： 关于使用GPU加速的问题： Kaggle上使用GPU 补充： 有的人可能在登陆帐号以后发现没有加速器选项 这是因为没有绑定手机号，绑定手机号后就可以使用了 关于关闭网页代码会不会继续运行的问题 Kaggle：不怕断开连接，睡觉起来看结果 简单来说就
在Kaggle上使用Stable Diffusion进行AI绘图
qq_20144897的博客
05-24 4286
在Kaggle上使用Stable Diffusion进行AI绘图
【白嫖阿里云gpu服务器】阿里云DSW部署
Zheng113的博客
01-02 3498
白嫖阿里云gpu以及部署dsw
用Kaggle免费GPU微调ChatGLM2
Python_Ai_Road的博客
07-16 2169
前方干货预警：这篇文章可能是你目前能够找到的可以无痛跑通LLM微调并基本理解整个流程的门槛最低的入门范例。门槛低到什么程度，本范例假设你是一个三无用户。1，无NLP经验：你没有扎实的NLP理论知识，只有一些基本的炼丹经验。没关系，我们会在恰当的时候告诉你必要的原理。2，无GPU：你没有任何一块可以使用的GPU。没关系，我们直接在Kaggle环境上使用免费的P100GPU，并给没有kaggle使用经...
薅羊毛tips：kaggle平台免费GPU使用教程
学姐带你玩AI的博客
02-07 4917
一些常见的问题和实用tips
白嫖高性能服务器
独醉的博客
05-10 1万+
白嫖高性能服务器创建账号创建项目启动项目小技巧（敲黑板，一定要重点看，不然会有坑哦，不要问我为什么知道，问就是踩过）上传项目小技巧怎样上传小文件所需要的包没有怎么办 创建账号 https://aistudio.baidu.com/aistudio/projectoverview/private/1 我是直接使用的百度账号登录的，但是需要完善一下信息，学校什么的不需要很具体也不会认证，只需要填写即可。 创建项目 第一个注意事项是配置一定要选Notebook，因为只有这个才能使用高性能服务器，然后是数据集，我
如何使用训练人工智能大模型
02-25
<think>好的，用户问的是如何使用训练人工智能大模型。首先，我需要确定用户的具体需求。他们可能是一个刚开始学习AI的学生，或者是一个有一定经验但想深入了解大模型训练的人。也有可能他们想了解实际应用中的步骤，或者是想获取一些资源推荐。 接下来，我需要考虑用户可能的背景知识。如果他们提到“大模型”，可能已经对机器学习有一定了解，知道基础概念，比如神经网络、深度学习。但为了全面，我应该从基础步骤开始，同时涵盖一些高级内容，比如数据预处理、模型架构选择、分布式训练等。 然后，用户可能想知道整个流程的大致步骤，而不仅仅是理论。所以应该分步骤讲解，比如数据准备、模型设计、训练、评估和部署。同时，可能需要强调一些关键点，比如数据的重要性，计算资源的需求，以及调参的技巧。 另外，用户可能没有说出来的需求是实际应用中的挑战，比如需要大量的计算资源，或者处理数据时的具体问题。因此，在回答中应该提到这些实际问题，并给出一些解决方案，比如使用云服务或开源框架。 还要注意避免使用过于专业的术语，保持解释的易懂性。例如，解释分布式训练时，可以简单说明其目的是加速训练过程，而不是深入讲解技术细节。同时，提供一些资源链接，比如Hugging Face或TensorFlow，帮助用户进一步学习。 最后，确认回答结构清晰，逻辑连贯，覆盖从数据到部署的全流程，并给出实用建议，比如从小模型开始实践，逐步深入。这样用户既能理解整体流程，也能知道如何着手实践。</think>训练人工智能大模型是一个复杂且资源密集的过程，通常涉及以下几个关键步骤。以下是一个简化的流程概述： --- ### **1. 明确目标和任务** - **任务类型**：确定模型用途（如自然语言处理、图像生成、推荐系统等）。 - **模型类型**：选择适合任务的架构（如Transformer、CNN、扩散模型等）。 - **性能指标**：定义评估标准（如准确率、生成质量、推理速度等）。 --- ### **2. 数据准备** - **数据收集**：获取大规模、高质量的训练数据（文本、图像、视频等）。 - 公开数据集（如Wikipedia、Common Crawl、ImageNet）。 - 业务场景的私有数据（需清洗和去敏感信息）。 - **数据预处理**： - 清洗（去噪、去重、纠错）。 - 标注（监督学习需人工或半自动标注）。 - 分词/向量化（如文本转换为Token，图像归一化）。 - **数据划分**：分为训练集、验证集和测试集。 --- ### **3. 模型设计与初始化** - **选择架构**： - **NLP任务**：Transformer（如GPT、BERT、T5）。 - **视觉任务**：ViT（Vision Transformer）、扩散模型（如Stable Diffusion）。 - **参数规模**：根据计算资源决定模型参数量（如千亿参数的GPT-4）。 - **初始化策略**：使用预训练权重（迁移学习）或随机初始化。 --- ### **4. 训练过程** - **硬件资源**： - 使用GPU集群（如NVIDIA A100/H100）或TPU进行分布式训练。 - 云计算服务（如AWS、Google Cloud、阿里云）提供弹性算力。 - **分布式训练技术**： - 数据并行（Data Parallelism）：拆分数据到多卡。 - 模型并行（Model Parallelism）：拆分模型到多卡。 - 混合并行（如Megatron-LM、DeepSpeed框架）。 - **优化策略**： - 优化器选择：AdamW、LAMB等。 - 学习率调度：动态调整学习率（如Warmup、Cosine衰减）。 - 正则化：Dropout、权重衰减、梯度裁剪。 - **监控与调试**： - 跟踪损失函数、准确率等指标。 - 使用TensorBoard、WandB等工具可视化训练过程。 --- ### **5. 微调与评估** - **微调（Fine-tuning）**： - 在特定任务的小规模数据上进一步训练预训练模型。 - 调整超参数（如学习率、批次大小）。 - **评估与测试**： - 在验证集和测试集上验证泛化能力。 - 使用任务相关指标（如BLEU、ROUGE、F1分数）。 --- ### **6. 部署与应用** - **模型压缩**： - 量化（降低精度，如FP32→FP16/INT8）。 - 剪枝（移除冗余参数）。 - 蒸馏（用大模型训练小模型）。 - **推理优化**： - 使用推理框架（如TensorRT、ONNX Runtime）。 - 部署到云服务、边缘设备或API接口。 - **持续迭代**： - 根据用户反馈更新数据和模型。 --- ### **7. 关键挑战** - **算力成本**：训练千亿级模型需数百万美元算力。 - **数据质量**：数据偏差可能影响模型公平性。 - **伦理与安全**：需解决生成内容的合规性（如版权、有害信息过滤）。 --- ### **入门建议** - **学习资源**： - 框架：PyTorch、TensorFlow、Hugging Face库。 - 课程：吴恩达《深度学习专项》、李沐《动手学深度学习》。 - **实践路径**： - 从小模型开始（如BERT-base、ResNet），逐步深入。 - 使用开源代码（如Meta的LLaMA、Stable Diffusion）。 - 参与Kaggle竞赛或开源项目积累经验。 --- 如果需要更具体的指导（如代码示例或工具推荐），可以进一步说明任务场景哦！
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值