Task 3 DataWhale AI夏令营AIGC

教程贡献者说：

在上一个task中，我对baseline进行了逐行精读，学会了使用AI工具来帮助我更快更好地学习,同时我对零代码文生图平台secpter webui也有了一个初步的理解。

今天的任务了解微调的基本原理，然后对微调的各种参数有一个更加清楚的了解，来实现一个更好的效果，并且在这个Task中简单了解并应用一下文生图的工作流平台工具ComfyUI，来实现一个更加高度定制的文生图。

加油，大家坚持住，行百里者半九十，成功就在眼前了。

那么事不宜迟, 我们现在就开始吧！

part1：工具初探一ComfyUI应用场景探索

1. 初识ComfyUI

1. 什么是ComfyUI

GUI 是 "Graphical User Interface"（图形用户界面）的缩写。简单来说，GUI 就是你在电脑屏幕上看到的那种有图标、按钮和菜单的交互方式。

ComfyUI 是GUI的一种，是基于节点工作的用户界面，主要用于操作图像的生成技术，ComfyUI 的特别之处在于它采用了一种模块化的设计，把图像生成的过程分解成了许多小的步骤，每个步骤都是一个节点。这些节点可以连接起来形成一个工作流程，这样用户就可以根据需要定制自己的图像生成过程。

核心模块由模型加载器、提示词管理器、采样器、解码器。

本小节内容来自魔搭社区，具体内容可点击查看：魔搭官方教程。

Stable Diffusion的基本原理是通过降噪的方式（如完全的噪声图像），将一个原本的噪声信号变为无噪声的信号（如人可以理解的图像）。其中的降噪过程涉及到多次的采样。采样的系数在KSampler中配置：

• seed：控制噪声产生的随机种子

• control_after_generate：控制seed在每次生成后的变化

• steps：降噪的迭代步数，越多则信号越精准，相对的生成时间也越长

• cfg：classifier free guidance决定了prompt对于最终生成图像的影响有多大。更高的值代表更多地展现prompt中的描述。

• denoise: 多少内容会被噪声覆盖 sampler_name、scheduler：降噪参数。

1. ComfyUI图片生成流程

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。

对 ComfyUI有简单了解之后，我们对其安装过程不再赘述。

接下来我们开始训练自己的图片（比赛要求是精美，连贯）

1.第一次跑出的图片有至少六根手指，在加入反向描述词“多余的手指”后，AI开始避免在图片中出现手指，但是这一行为违背“双手托腮”的指令。重新运行问题解决，AI很多变。

2. 

最终顺利跑成，“医生成长之路"!!!