Datawhale X 魔搭 AI夏令营 - AIGC文生图方向 task03笔记

系列文章目录

Datawhale AI夏令营第四期魔搭- AIGC文生图方向 task01笔记-CSDN博客

Datawhale X 魔搭 AI夏令营 - AIGC文生图方向 task02笔记-CSDN博客

---

目录

• 前言
• 一、comfyUI是什么？
• 二、Lora微调
  • 1.Lora是什么？
    • 1.1Lora微调原理 
    • 1.21Lora微调优势
  • 2.Lora参数
    • 2.1baseline的基本结构
    • 2.2Lora微调代码
• 三、如何制作一个高质量的创作
• 总结

---

前言

本文主要介绍AIGC中的Lora微调和ComfyUI工具。

---

一、comfyUI是什么？

俗话说：工欲善其事，必先利其器。

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。（后续在ComfyUI上进行微调）

二、Lora微调

1.Lora是什么？

（首先声明一下背景：在使用数据进行模型训练时，初始的训练出来的结果（即权重）往往不能满足场景需求，最开始如果结果不满足要求就重新训练，使训练的结果尽可能满足结果，重新训练——称之为全量微调。随着研究的推进，找到了一些高效的微调方法（PEFT），Lora就是其中之一，通过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）

1.1Lora微调原理        

        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。

（通俗易懂理解全量微调和LoRA微调_哔哩哔哩_bilibili）

1.2Lora微调优势  

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 baseline的基本结构

• 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

2.2Lora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    

参数详细表：

参数名称	参数值	说明
pretrained_unet_path	models/kolors/Kolors/unet/diffusion_pytorch_model.safetensors	指定预训练UNet模型的路径
pretrained_text_encoder_path	models/kolors/Kolors/text_encoder	指定预训练文本编码器的路径
pretrained_fp16_vae_path	models/sdxl-vae-fp16-fix/diffusion_pytorch_model.safetensors	指定预训练VAE模型的路径
lora_rank	16	设置LoRA的秩（rank），影响模型的复杂度和性能
lora_alpha	4	设置LoRA的alpha值，控制微调的强度
dataset_path	data/lora_dataset_processed	指定用于训练的数据集路径
output_path	./models	指定训练完成后保存模型的路径
max_epochs	1	设置最大训练轮数为1
center_crop		启用中心裁剪，用于图像预处理
use_gradient_checkpointing		启用梯度检查点，节省显存
precision	"16-mixed"	设置训练时的精度为混合16位精度（half precision）

三、如何制作一个高质量的创作

思考中>>>>>>>>>>>>

数据集》》》提示词》》》微调 》》》》》》》》》》》

（计划先从数据集分析入手）

（存在的问题在：同一个场景不能很好的复现，比如说整个背景不变的情况下，改变局部物体的位置或姿态）

---

总结

以上就是今天要记录的内容，简单介绍了comfyUI，Lora微调以及如何制作一个好的作品。