清明时节雨纷纷,AI达人用Bedrock(第一季)

本文介绍了作者在清明假期使用AmazonBedrock平台,尤其是StabilityAISDXL1.0模型进行AI绘画的过程,包括登录界面、模型选择、生成图像以及通过API在AmazonCloud9中调用模型的详细步骤。
摘要由CSDN通过智能技术生成

今天是清明小长假第一天,没有外出踏青,在家体验Amazon Bedrock的强大能力。Amazon Bedrock是专门为创新者量身打造的平台,提供了构建生成式人工智能应用程序所需的一切。

这次我主要尝试的是通过 Amazon Bedrock 里的 Stability AI SDXL 1.0进行AI绘画。其实我最初冲着Claude 3去的,但可惜无法使用,被欺骗了感情!

好在Bedrock没有辜负我。它是一项完全托管的服务,通过单个 API 提供来自 AI21 LabsAnthropicCohereMetaStability AI 和 Amazon TiTan 等领先人工智能公司的高性能基础模型(FM),以及通过安全性、隐私性和负责任的 AI 构建生成式人工智能应用程序所需的一系列广泛功能。

一、登录操作界面

二、体验 Stability AI SDXL 1.0模型

1、 选择Amazon Bedrock Stability AI SDXL 1.0模型

选择左侧菜单栏中,选择操场中的图像功能,

勾选所需要的模型

 2、体验Stability AI SDXL 1.0模型 

1 文生图

操作内容
提示词a beautiful mountain landscape
提示强度10
生成步骤30
种子10

2 图生图

点击图片,选择编辑功能,从Edit模式切换至Generate模式,输入提示词、高级配置等

操作内容
提示词add denser number of trees, extend lake210
负面提示词poorly rendered,poor background details,poorly drawn mountains,disfigured mountain features
提示强度30
生成步骤50
种子321

3 图像编辑

将模式切换至Edit模式 并选择需要替换的区域. 输入提示词、选择提示强度,生成图片

操作内容
提示词add a bird
提示强度10

三、体验调用Stability AI SDXL 1.0 API

1、使用Amazon Cloud 9 

1、打开Amazon Cloud 9 实验环境

打开控制台,搜索Cloud9

选择创建环境

设置环境详细信息

  1. 设置名称为 bedrock
  2. 设置实例类型 t3.small
  3. 平台 Ubuntu Server 22.04 LTS
  4. 超时 30 分钟

2、打开Amazon Cloud9 IDE终端

复制以下内容到终端,执行命令,以下载和解压缩代码

cd ~/environment/
curl 'https://csdn-1320873278.cos.ap-nanjing.myqcloud.com/workshop.zip' --output workshop.zip
unzip workshop.zip

安装实验所需的环境依赖项

pip3 install -r ~/environment/workshop/setup/requirements.txt -U

选择 workshop/labs/api/bedrock_api.py 编写代码

import json
import boto3
import base64
import os
from PIL import Image
import io

session = boto3.Session()
bedrock = session.client(service_name='bedrock-runtime')  # creates a Bedrock client
bedrock_model_id = "stability.stable-diffusion-xl"  # set the foundation model
prompt =  "a beautiful mountain landscape"  # the prompt to send to the model
seed = 100

body = json.dumps({
    "text_prompts": [{"text": prompt}],
    "seed": seed,
    "cfg_scale": 10,
    "steps": 30,
})  # build the request payload

# send the payload to Bedrock
response = bedrock.invoke_model(
    body=body, modelId=bedrock_model_id, accept='application/json', contentType='application/json')

# read the response
response_body = json.loads(response.get('body').read())

base64_image_data = response_body.get("artifacts")[0]["base64"]

print(f"{base64_image_data[0:80]}...")

# Convert base64 image data to an image and save it to a file
image_data = base64.b64decode(base64_image_data)

os.makedirs("data", exist_ok=True)

image = Image.open(io.BytesIO(image_data))

image.save('data/sd_generated_image.jpg')

保存文件,并在命令行处执行代码:

python3 bedrock_api.py

  • 19
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值