纯小白记录Datawhale AI夏令营第四期魔搭-AIGC文生图方向Task3的学习
先看一看我训练的模型生成的图。
下图为不带Lora的模型生成的图。
下图为不带Lora的模型生成的图。
1.初识ComfyUI
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。
ComfyUI核心模块
核心模块由模型加载器、提示词管理器、采样器、解码器组成。
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。
CLIP模块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。
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。
解码器:VAE模块的作用是将Latent space中的embedding解码为像素级别的图像。
ComfyUI图片生成流程
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
使用魔搭社区提供的Notebook和免费的GPU算力体验ComfyUI。
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/
进入ComfyUI的安装文件
一键执行安装程序
进入预览界面
当执行到最后一个节点的内容输出了一个访问的链接的时候,复制链接到浏览器中访问。
3.浅尝ComfyUI工作流
不带Lora的工作流样例
Step1:下载工作流脚本
Step2:加载模型,并完成第一次生图
带Lora的工作流样例
工作流脚本(带Lora训练)
执行操作
4.心得体会及未来学习方向
我学到了Lora微调模型,了解了它的原理,了解了ComfyUI技术,并利用这些技术生成了图片,同时我发现Lora微调调节alpha参数可以使得生成的图片更真实,我之前生成的图片那个话筒没有咪架的杆,后来把alpha参数调大后就有杆了。
今后还希望能更深入地学习AI生图,争取自己训练一个模型。