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: