part1：工具初探一ComfyUI应用场景探索
1.初识ComfyUI
1.1什么是ComfyUI
它是GUI(Graphical User Interface)图形用户界面的一种，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。
1.2核心模块
由模型加载器、提示词管理器、采样器、解码器。
1.3其图片生成流程如下：
1.4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。
2.20分钟速通安装ComfyUI
2.1下载脚本代码文件
在file中创建一个终端，输入以下代码
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/
2.2进入ComfyUI的安装文件
2.3一键执行安装程序
2.4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，打开效果如下：
3.浅尝ComfyUI工作流
3.1不带Lora的工作流样例
点击load下载不带lora的工作流脚本
再次点击Queue Prompt按钮，加载模型完成生图
3.2带Lora的工作流样例
点击load下载带lora的工作流脚本
再次点击Queue Prompt按钮，加载模型完成生图
Part2：Lora微调
1.Lora简介
LoRA (Low-Rank Adaptation) 微调是一种用于在预训练模型上进行高效微调的技术。它可以通过高效且灵活的方式实现模型的个性化调整，使其能够适应特定的任务或领域，同时保持良好的泛化能力和较低的资源消耗。这对于推动大规模预训练模型的实际应用至关重要。
1.1Lora微调的原理
LoRA通过在预训练模型的关键层中添加低秩矩阵来实现。这些低秩矩阵通常被设计成具有较低维度的参数空间，这样它们就可以在不改变模型整体结构的情况下进行微调。在训练过程中，只有这些新增的低秩矩阵被更新，而原始模型的大部分权重保持不变。
1.2优势
快速适应新任务
在特定领域有少量标注数据的情况下，也可以有效地对模型进行个性化调整，可以迅速适应新的领域或特定任务。
保持泛化能力
LoRA通过微调模型的一部分，有助于保持模型在未见过的数据上的泛化能力，同时还能学习到特定任务的知识。
资源效率
LoRA旨在通过仅微调模型的部分权重，而不是整个模型，从而减少所需的计算资源和存储空间。
2.Lora详解
2.1这里我们借助TASK2中微调的代码，利用通义千问进行一些分析
import os //导入操作系统模块，以便能够与操作系统进行交互，比如执行命令行指令。
cmd = """
python DiffSynth-Studio/examples/train/kolors/train_kolors_lora.py //选择使用可图的Lora训练脚本
(DiffSynth-Studio/examples/train/kolors/train_kolors_lora.py)
pretrained_unet_path models/kolors/Kolors/unet/diffusion_pytorch_model.safetensors//选择unet 模型路径
pretrained_text_encoder_path models/kolors/Kolors/text_encoder //选择text_encoder预训练的文本编码器模型路径
pretrained_fp16_vae_path models/sdxl-vae-fp16-fix/diffusion_pytorch_model.safetensors //选择vae模型,指定预训练的 VAE (变分自编码器) 模型路径，并且使用了 FP16 格式
lora_rank 16 //lora_rank 16 表示在权衡模型表达能力和训练效率时，选择了使用 16 作为秩(这是一个超参数，影响模型的大小和训练速度)，适合在不显著降低模型性能的前提下，通过 LoRA 减少计算和内存的需求
lora_alpha 4.0 //设置 LoRA 的 alpha 值，影响调整的强度,训练过程中权重更新的程度
dataset_path data/lora_dataset_processed // 指定数据集路径，用于训练模型
output_path ./models // 指定输出路径，用于保存模型
max_epochs 1 // 设置最大训练轮数为 1
center_crop // 启用中心裁剪，这通常用于图像预处理
use_gradient_checkpointing //启用梯度检查点技术，以节省内存
precision "16-mixed" //指定训练时的精度为混合 16 位精度（half precision），这可以加速训练并减少GPU显存使用
""".strip() //这个方法调用是为了移除字符串两端的空白字符（如空格或换行符）
os.system(cmd) // 执行可图Lora训练
2.2参数详情表
| 参数名称 | 参数值 | 说明 | |
|
|
| 指定预训练UNet模型的路径 | |
|
| models/kolors/Kolors/text_encoder | 指定预训练文本编码器的路径 | |
|
| models/sdxl-vae-fp16-fix/diffusion_pytorch_model.safetensors | 指定预训练VAE模型的路径 | |
|
| 16 | 设置LoRA的秩（rank），影响模型的复杂度和性能 | |
|
| 4 | 设置LoRA的alpha值，控制微调的强度 | |
|
| data/lora_dataset_processed | 指定用于训练的数据集路径 | |
|
| ./models | 指定训练完成后保存模型的路径 | |
|
| 1 | 设置最大训练轮数为1 | |
|
| 启用中心裁剪，用于图像预处理 | ||
|
| 启用梯度检查点，节省显存 | ||
|
| "16-mixed" | 设置训练时的精度为混合16位精度（half precision） |
2.3UNet、VAE和文本编码器的协作关系
-
UNet：负责根据输入的噪声和文本条件生成图像。在Stable Diffusion模型中，UNet接收由VAE编码器产生的噪声和文本编码器转换的文本向量作为输入，并预测去噪后的噪声，从而生成与文本描述相符的图像
-
VAE：生成模型，用于将输入数据映射到潜在空间，并从中采样以生成新图像。在Stable Diffusion中，VAE编码器首先生成带有噪声的潜在表示，这些表示随后与文本条件一起输入到UNet中
-
文本编码器：将文本输入转换为模型可以理解的向量表示。在Stable Diffusion模型中，文本编码器使用CLIP模型将文本提示转换为向量，这些向量与VAE生成的噪声一起输入到UNet中，指导图像的生成过程
Part3 如何准备一个高质量的数据集
1.明确你的需求和目标
-
关注应用场景：确定你的模型将被应用到什么样的场景中（例如，艺术风格转换、产品图像生成、医疗影像合成等）。
-
关注数据类型：你需要什么样的图片？比如是真实世界的照片还是合成图像？是黑白的还是彩色的？是高分辨率还是低分辨率？
-
关注数据量：考虑你的任务应该需要多少图片来支持训练和验证。
2.数据集来源整理
使用公开的数据平台：例如魔搭，ImageNet，Open Images，Flickr，CelebA，LSUN；
使用API或爬虫获取；数据合成；数据增强；购买或定制
最后放一下LoRA的链接吧，总的说来，在TASK2中更新了代码并且利用通义千问更改相关关键词的描述后，相较于TASK1的图片生成故事性也会更好
扫一扫
1076
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
