DragDiffusion的Win10部署方案

DragDiffusion就不再过多介绍。这是之前的一个Win10部署工作。文章链接这里就不贴了。

源代码

直接上Win10改好的程序下载链接：CSDN下载

Github我没有上传，因为实在是太大了。。。

接下来，您需要下载好上述文件，同时您需要去Github上下载StableDiffusion的预训练模型。

接下来进入正题：

基础的网络部署，和源代码一模一样；除此之外，我们需要调用Diffusion model v1.5的预训练模型，在主目录下建立一个runwayml的文件(名字无所谓)，将所有的预训练文件放在里面。目录如下所示。

接下来，就是环境问题：

首先，DragDiffusion的环境配置最好一模一样；

下方图像中标红的部分，必须一摸一样

接下来就是运行环节。

我已经改进了大部分的bug并且删除了大量无关紧要的句子

由于Diffusion model的diffuser自带的库和DragDiffusion存在冲突

我删减了部分冲突的函数。

并且规范了一下gradio的版本

首先，我们需要linux的运行部分。

由于windows不具备bash的能力，因此，你需要下载bash：

windows环境下执行bash文件_windows运行bash-CSDN博客

并且添加环境变量。参考上面的链接在Pycharm里面进行部署。

首先，在主目录的终端，执行模型加速的命令：

accelerate config

报错和警告不用管，因为我不确定这玩意儿是否有用；

我在lora中添加了别人的加速命令

接下来，重中之重：

我们来看train_lora.sh文件：

第一行：sample_dir：是输入图像的文件位置(只能有一个，不然会爆炸)

第二行：OUTPUT_DIR：是输出的LORA点阵的模型文件位置

第三行：MODEL_NAME:是你下载的diffusion_Model的预训练模型放置的位置

Ok，其他的我已经调好了！！！！别改！！！！别改！！！！

我已经试错了，别再试错。

接下来，运行这个脚本。

使用：bash lora/train_lora.sh

OK！它就开始生成了，等它生成完之后，会在目录中生成一个这个文件：

其实这是几种规格，我们使用checkpoint-200.你可以直接使用我这个，不用再进行训练；

如果再训练，记得备份！！！！！！！！！！！！！！！！！！！

接下来，就可以开始操作了：

直接pycharm运行drag_ui.py

它会弹出一个ip：

复制这个ip，放在浏览器里，会展示如下画面：

点击第一个框，选择我们训练的图片！！！！！

用画笔画出你想变形的部分；

点击第二个框，进行拖拽；

重点来了；

Lora路径为我们训练的Lora的模型路径；

接下来，点那个RUN就可以开始生成了。

这是生成效果；

单张图像的训练，必须要单独训练LORA