Datawhale X 魔搭AI夏令营 第四期 AIGC文生图方向 Task3笔记

使用魔搭社区体验comfyUI

ComfyUI 是GUI的一种，主要用于操作图像的生成技术，旨在通过把图像生成的过程分解成了许多小的步骤，便于用户理解，可以根据需要定制自己的图像生成过程。

首先，进入魔搭社区：


下载安装ComfyUI的执行文件：

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/   

下载工作流脚本: https://linklearner.com/activity/14/10/37

打开ComfyUI.ipynb文件，一键执行安装程序



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：






如图，点击Load，选择下载好的文件，分别运行：

使用LoRA微调

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，通过在预训练模型的关键层中添加低秩矩阵来实现。

这里我们可以先看一下Task2中的微调代码：

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    

这里给出笔者微调后生成的图片：