目录
2.1 我们选择使用阿里云的免费GPU算力体验来体验ComfyUI（如果有小伙伴还不熟悉如何白嫖免费算力请看这篇文章哦）
一、工具初探一ComfyUI应用场景探索
1、初识ComfyUI
1.1 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。
https://www.bilibili.com/video/BV1ch4y1B7vp/?spm_id_from=333.1350.jump_directly&vd_source=92088448a470e0d59af5b2f6771ff7961.2 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。
该部分详情大家可以查看视频哦
1.3 ComfyUI图片生成流程
1.4 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
2.1 我们选择使用阿里云的免费GPU算力体验来体验ComfyUI（如果有小伙伴还不熟悉如何白嫖免费算力请看这篇文章哦）
2.2 执行完成baseline后得到该文件
我们进入到这个界面后执行下面的代码（执行该部分代码前首先需要跑通baseline哦）
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/ 运行后我们就会看到出现一个新的代码文件并双击打开
2.3 进行安装ComfyUI（大约10min）
2.4 进入预览界面
直接点击或者复制到浏览器中打开即可
（如果链接访问白屏，或者报错，就等一会儿再访问重试，程序可能没有正常启动完毕）
然后呢我们就来到了如下界面
BUT 还需要继续往下才可以生成图片哦，千万不可半途而废
3、浅尝ComfyUI工作流
3.1 不带Lora的工作流样例
首先我们需要点击右侧的LOAD导入上述文件
然后依次修改正向、反向提示词，最后点击运行即可
3.2 带Lora的工作流样例
同样的操作步骤
二、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。
1.1 Lora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。
具体可以参考下面视频，对Lora的原理讲的比较通俗易懂。
1.2 Lora微调的优势
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 Task2中的的微调代码
import os
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
--pretrained_text_encoder_path models/kolors/Kolors/text_encoder \ # 选择text_encoder
--pretrained_fp16_vae_path models/sdxl-vae-fp16-fix/diffusion_pytorch_model.safetensors \ # 选择vae模型
--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，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
--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显存使用
""".strip()
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 |
|
| models/kolors/Kolors/unet/diffusion_pytorch_model.safetensors | 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） |
2.3 UNet、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
三、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
以下渠道来源均需要考虑合规性问题，请大家在使用数据集过程中谨慎选择。
| 来源类型 | 推荐 |
| 公开的数据平台 | 魔搭社区内开放了近3000个数据集，涉及文本、图像、音频、视频和多模态等多种场景，左侧有标签栏帮助快速导览，大家可以看看有没有自己需要的数据集。 其他数据平台推荐：
|
| 使用API或爬虫获取 |
|
| 数据合成 | 利用现有的图形引擎（如Unity、Unreal Engine）或特定软件生成合成数据，这在训练某些类型的模型时非常有用。 最近Datawhale联合阿里云天池，做了一整套多模态大模型数据合成的学习，欢迎大家一起交流。从零入门多模态大模型数据合成 |
| 数据增强 | 对于较小的数据集，可以通过旋转、翻转、缩放、颜色变换等方式进行数据增强。 |
| 购买或定制 | 如果你的应用是特定领域的，比如医学影像、卫星图像等，建议从靠谱的渠道购买一些数据集。 |
ok！！！到这里呢本次夏令营AIGC-文生图方向的培训就要告一段落了，各位小伙伴们咱们下次见！！！有一些相关学习视频，作者就放到附录了，有需要的小伙伴自行学习哦，加油！！！
附录：
| 名称 | 链接地址 |
| 在魔搭使用ComfyUI，玩转AIGC！ | |
| ComfyUI的官方地址 | |
| ComfyUI官方示范 | |
| 别人的基础工作流示范 | |
| 工作流分享网站 | |
| 推荐一个比较好的comfyui的github仓库网站 | https://github.com/ZHO-ZHO-ZHO/ComfyUI-Workflows-ZHO?tab=readme-ov-file |
扫一扫
543
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
