Datawhale AI夏令营第四期魔搭- AIGC方向 task01笔记

1. 准备

1. 赛事报名链接可图Kolors-LoRA风格故事挑战赛_创新应用大赛_天池大赛-阿里云天池的赛制

2. 开通阿里云PAI-DSW试用阿里云免费试用 - 阿里云

   

   

   

   ​

3. 在魔搭社区进行授权,阿里云账户里，资金不能为负

   

   

   

   

4. 创建实例：

   

   ​

   

   如果阿里云DSW资源用完，可以尝试如下步骤：

   

   

2. 跑文生图代码

新建终端，运行如下命令

git lfs install
git clone https://www.modelscope.cn/datasets/maochase/kolors.git

进入kolors文件夹，打开baseline.ipynb文件，安装环境

依次运行后，到下图步骤：

在这里，请修改prompt的值，写出自己的故事，每个prompt都要修改，静静等待全部运行结束

3.保存模型文件

左上角file中new->terminal，新建一个terminal，输入如下命令：

mkdir /mnt/workspace/kolors/output & cd 
cp /mnt/workspace/kolors/models/lightning_logs/version_0/checkpoints/epoch\=0-step\=500.ckpt /mnt/workspace/kolors/output/
cp /mnt/workspace/kolors/1.jpg /mnt/workspace/kolors/output/

执行后，进入output文件夹，下载里面的两个文件。

4.提交

魔搭社区

点击链接，创建模型

这里的队伍名称为天池赛事中，你的队伍名称,后面的xxxxx随便写

中文名称建议格式：队伍名称-可图Kolors训练-xxxxxx

6.详细代码

1. 环境安装

!pip install simple-aesthetics-predictor
​
!pip install -v -e data-juicer
​
!pip uninstall pytorch-lightning -y
!pip install peft lightning pandas torchvision
​
!pip install -e DiffSynth-Studio

1. 下载数据集

#下载数据集
from modelscope.msdatasets import MsDataset
​
ds = MsDataset.load(
    'AI-ModelScope/lowres_anime',
    subset_name='default',
    split='train',
    cache_dir="/mnt/workspace/kolors/data"
)
​
import json, os
from data_juicer.utils.mm_utils import SpecialTokens
from tqdm import tqdm
​
os.makedirs("./data/lora_dataset/train", exist_ok=True)
os.makedirs("./data/data-juicer/input", exist_ok=True)
with open("./data/data-juicer/input/metadata.jsonl", "w") as f:
    for data_id, data in enumerate(tqdm(ds)):
        image = data["image"].convert("RGB")
        image.save(f"/mnt/workspace/kolors/data/lora_dataset/train/{data_id}.jpg")
        metadata = {"text": "二次元", "image": [f"/mnt/workspace/kolors/data/lora_dataset/train/{data_id}.jpg"]}
        f.write(json.dumps(metadata))
        f.write("\n")

这一行代码从modelscope库中导入了MsDataset类，这个类用于加载和处理ModelScope平台上的数据集。然后使用MsDataset.load方法来加载名为’lowres_anime’的数据集，指定了数据集的子集为’default’，数据集的分割为’train’（即训练集），并且设置缓存目录为/mnt/workspace/kolors/data。

这里导入了几个Python标准库和其他第三方库：

• json：用于读写JSON数据。

• os：提供了许多与操作系统交互的函数。

• SpecialTokens：可能是自定义的工具类，但在这里没有直接使用。

• tqdm：提供一个快速、扩展性强的进度条。

with open这段代码做了以下几件事情：

• 打开（或创建）一个文件metadata.jsonl用于写入元数据。

• 遍历数据集ds中的每个条目，使用tqdm显示进度条。

• 对于每个条目，取出其中的图像，将其转换为RGB格式，并保存到指定的路径。

• 创建一个包含图像路径和描述性文本的元数据字典。

• 将元数据字典转换为JSON字符串，并写入到metadata.jsonl文件中，每个元数据占一行。

1. 处理数据集，保存数据处理结果

data_juicer_config = """
# global parameters
project_name: 'data-process'
dataset_path: './data/data-juicer/input/metadata.jsonl'  # path to your dataset directory or file
np: 4  # number of subprocess to process your dataset
​
text_keys: 'text'
image_key: 'image'
image_special_token: '<__dj__image>'
​
export_path: './data/data-juicer/output/result.jsonl'
​
# process schedule
# a list of several process operators with their arguments
process:
    - image_shape_filter:
        min_width: 1024
        min_height: 1024
        any_or_all: any
    - image_aspect_ratio_filter:
        min_ratio: 0.5
        max_ratio: 2.0
        any_or_all: any
"""
with open("data/data-juicer/data_juicer_config.yaml", "w") as file:
    file.write(data_juicer_config.strip())
​
!dj-process --config data/data-juicer/data_juicer_config.yaml
​
​
import pandas as pd
import os, json
from PIL import Image
from tqdm import tqdm
​
​
texts, file_names = [], []
os.makedirs("./data/lora_dataset_processed/train", exist_ok=True)
with open("./data/data-juicer/output/result.jsonl", "r") as file:
    for data_id, data in enumerate(tqdm(file.readlines())):
        data = json.loads(data)
        text = data["text"]
        texts.append(text)
        image = Image.open(data["image"][0])
        image_path = f"./data/lora_dataset_processed/train/{data_id}.jpg"
        image.save(image_path)
        file_names.append(f"{data_id}.jpg")
data_frame = pd.DataFrame()
data_frame["file_name"] = file_names
data_frame["text"] = texts
data_frame.to_csv("./data/lora_dataset_processed/train/metadata.csv", index=False, encoding="utf-8-sig")
data_frame

1. 代码定义了一个YAML格式的配置字符串，用于配置一个名为data_juicer的数据处理工具。配置包括：

   • project_name：项目名称。

   • dataset_path：数据集的路径。

   • np：用于处理数据集的子进程数量。

   • text_keys：数据中包含文本的键名。

   • image_key：数据中包含图像的键名。

   • image_special_token：图像的特殊标记。

   • export_path：处理后的数据导出路径。

   • process：一个处理步骤列表，包括图像尺寸过滤和图像宽高比过滤。

1. lora微调

# 下载模型
from diffsynth import download_models
download_models(["Kolors", "SDXL-vae-fp16-fix"])
​
#模型训练
import os
​
cmd = """
python DiffSynth-Studio/examples/train/kolors/train_kolors_lora.py \
  --pretrained_unet_path models/kolors/Kolors/unet/diffusion_pytorch_model.safetensors \
  --pretrained_text_encoder_path models/kolors/Kolors/text_encoder \
  --pretrained_fp16_vae_path models/sdxl-vae-fp16-fix/diffusion_pytorch_model.safetensors \
  --lora_rank 16 \
  --lora_alpha 4.0 \
  --dataset_path data/lora_dataset_processed \
  --output_path ./models \
  --max_epochs 1 \
  --center_crop \
  --use_gradient_checkpointing \
  --precision "16-mixed"
""".strip()
​
os.system(cmd)

1. 加载微调好的模型

from diffsynth import ModelManager, SDXLImagePipeline
from peft import LoraConfig, inject_adapter_in_model
import torch
​
​
def load_lora(model, lora_rank, lora_alpha, lora_path):
    lora_config = LoraConfig(
        r=lora_rank,
        lora_alpha=lora_alpha,
        init_lora_weights="gaussian",
        target_modules=["to_q", "to_k", "to_v", "to_out"],
    )
    model = inject_adapter_in_model(lora_config, model)
    state_dict = torch.load(lora_path, map_location="cpu")
    model.load_state_dict(state_dict, strict=False)
    return model
​
​
# Load models
model_manager = ModelManager(torch_dtype=torch.float16, device="cuda",
                             file_path_list=[
                                 "models/kolors/Kolors/text_encoder",
                                 "models/kolors/Kolors/unet/diffusion_pytorch_model.safetensors",
                                 "models/kolors/Kolors/vae/diffusion_pytorch_model.safetensors"
                             ])
pipe = SDXLImagePipeline.from_model_manager(model_manager)
​
# Load LoRA
pipe.unet = load_lora(
    pipe.unet,
    lora_rank=16, # This parameter should be consistent with that in your training script.
    lora_alpha=2.0, # lora_alpha can control the weight of LoRA.
    lora_path="models/lightning_logs/version_0/checkpoints/epoch=0-step=500.ckpt"
)

代码创建了一个ModelManager实例，用于管理模型的加载。以下是传递给ModelManager的参数：

• torch_dtype=torch.float16：指定模型使用的浮点精度为16位浮点数。

• device="cuda"：指定模型加载到GPU上，使用CUDA作为设备。

• file_path_list：这是一个包含模型文件路径的列表，用于加载不同的模型组件，如文本编码器、U-Net网络和VAE（变分自编码器）。

pipe = SDXLImagePipeline.from_model_manager(model_manager)这行代码使用ModelManager实例来创建一个SDXLImagePipeline实例。这个管道对象可能用于处理图像，例如图像生成、转换或其他复杂的图像处理任务。

pipe.unet = load_lora(
    pipe.unet,
    lora_rank=16,
    lora_alpha=2.0,
    lora_path="models/lightning_logs/version_0/checkpoints/epoch=0-step=500.ckpt"
)

这段代码使用load_lora函数来加载LoRA（Low-Rank Adaptation）模型，这是一个用于模型微调的技术，可以在不改变原始模型参数的情况下，添加额外的参数来调整模型的行为。以下是传递给load_lora的参数：

• pipe.unet：这是之前创建的管道对象中的U-Net模型组件。

• lora_rank=16：指定LoRA模型的秩，这决定了LoRA模型的复杂度。

• lora_alpha=2.0：这是LoRA的alpha参数，用于控制LoRA调整的权重。

• lora_path：这是LoRA模型的路径，指定了要加载的LoRA模型的文件位置。

1. 图片生成

        torch.manual_seed(0)
image = pipe(
    prompt="二次元，一个紫色短发小女孩，在家中沙发上坐着，双手托着腮，很无聊，全身，粉色连衣裙",
    negative_prompt="丑陋、变形、嘈杂、模糊、低对比度",
    cfg_scale=4,
    num_inference_steps=50, height=1024, width=1024,
)
image.save("1.jpg")