• 私人定制AI绘画——快速finetune stable diffusion教程

    最近AI绘图非常火，只需要输入文本就能得到令人惊艳的图。

    举个例子，输入 “photo of a gorgeous young woman in the style of stefan kostic and david la chapelle, coy, shy, alluring, evocative, stunning, award winning, realistic, sharp focus, 8 k high definition, 3 5 mm film photography, photo realistic, insanely detailed, intricate, elegant, art by stanley lau and artgerm”  得到:

    输入“temple in ruines, forest, stairs, columns, cinematic, detailed, atmospheric, epic, concept art, Matte painting, background, mist, photo-realistic, concept art, volumetric light, cinematic epic + rule of thirds octane render, 8k, corona render, movie concept art, octane render, cinematic, trending on artstation, movie concept art, cinematic composition , ultra-detailed, realistic , hyper-realistic , volumetric lighting, 8k –ar 2:3 –test –uplight”  得到：

    以上效果出自最近开源的效果非常好的模型——stable diffusion。那可能会有很多人和我一样，想得到自己的定制化的模型，专门用来生成人脸、动漫或者其他。

    github上有个小哥还真就做了这件事了，他专门finetune了一个神奇宝贝版stable diffusion，以下是他模型的效果：     输入“robotic cat with wings”   得到：

    是不是很有趣，今天这篇文章就介绍一下如何快速finetune stable diffusion。

    小哥写的详细介绍可以移步：https://github.com/LambdaLabsML/examples/tree/main/stable-diffusion-finetuning

    1、准备数据

    深度学习的训练，首先就是要解决数据问题。由于stable diffusion的训练数据是 文本-图像 匹配的pairs，因此我们要按照它的要求准备数据。

    准备好你的所有图片，当然对于大部分人来说，要得到图片容易，但是手里的图片数据都是没有文本标注的，但是我们可以用BLIP算法来自动生成标注。

    BLIP项目地址:https://github.com/salesforce/BLIP

    效果见下图：

     BLIP自动给妙蛙种子生成了一段描述，当然算法的效果很难达到完美，但是足够用了。如果觉得不够好，那完全也可以自己标注。

    将得到的text，与图片名使用json格式存起来：

    1. {
    2.     "0001.jpg": "This is a young woman with a broad forehead.",
    3.     "0002.jpg": "The young lady has a melon seed face and her chin is relatively narrow.",
    4.     "0003.jpg": "This is a melon seed face woman who has a broad chin.There is a young lady with a broad forehead."
    5. }

    2、下载代码模型

    这里我们使用小哥魔改的stable diffusion代码，更加方便finetune。

    finetune代码地址：https://github.com/justinpinkney/stable-diffusion

    按照这个代码readme里的要求装好环境。同时下载好stable diffusion预训练好的模型 sd-v1-4-full-ema.ckpt ，放到目录里。

    模型下载地址：CompVis/stable-diffusion-v-1-4-original · Hugging Face

    3、配置与运行

    stable diffusion使用yaml文件来配置训练，由于小哥给的yaml需要配置特定的数据格式，太麻烦了，我这边直接给出一个更简单方便的。只需要修改放图片的文件夹路径，以及第一步生成的配对数据的json文件路径。具体改哪儿直接看下面:

    1. model:
    2.   base_learning_rate: 1.0e-04
    3.   target: ldm.models.diffusion.ddpm.LatentDiffusion
    4.   params:
    5.     linear_start: 0.00085
    6.     linear_end: 0.0120
    7.     num_timesteps_cond: 1
    8.     log_every_t: 200
    9.     timesteps: 1000
    10.     first_stage_key: "image"
    11.     cond_stage_key: "txt"
    12.     image_size: 64
    13.     channels: 4
    14.     cond_stage_trainable: false   # Note: different from the one we trained before
    15.     conditioning_key: crossattn
    16.     scale_factor: 0.18215
    17.  
    18.     scheduler_config: # 10000 warmup steps
    19.       target: ldm.lr_scheduler.LambdaLinearScheduler
    20.       params:
    21.         warm_up_steps: [ 1 ] # NOTE for resuming. use 10000 if starting from scratch
    22.         cycle_lengths: [ 10000000000000 ] # incredibly large number to prevent corner cases
    23.         f_start: [ 1.e-6 ]
    24.         f_max: [ 1. ]
    25.         f_min: [ 1. ]
    26.  
    27.     unet_config:
    28.       target: ldm.modules.diffusionmodules.openaimodel.UNetModel
    29.       params:
    30.         image_size: 32 # unused
    31.         in_channels: 4
    32.         out_channels: 4
    33.         model_channels: 320
    34.         attention_resolutions: [ 4, 2, 1 ]
    35.         num_res_blocks: 2
    36.         channel_mult: [ 1, 2, 4, 4 ]
    37.         num_heads: 8
    38.         use_spatial_transformer: True
    39.         transformer_depth: 1
    40.         context_dim: 768
    41.         use_checkpoint: True
    42.         legacy: False
    43.  
    44.     first_stage_config:
    45.       target: ldm.models.autoencoder.AutoencoderKL
    46.       ckpt_path: "models/first_stage_models/kl-f8/model.ckpt"
    47.       params:
    48.         embed_dim: 4
    49.         monitor: val/rec_loss
    50.         ddconfig:
    51.           double_z: true
    52.           z_channels: 4
    53.           resolution: 256
    54.           in_channels: 3
    55.           out_ch: 3
    56.           ch: 128
    57.           ch_mult:
    58.           - 1
    59.           - 2
    60.           - 4
    61.           - 4
    62.           num_res_blocks: 2
    63.           attn_resolutions: []
    64.           dropout: 0.0
    65.         lossconfig:
    66.           target: torch.nn.Identity
    67.  
    68.     cond_stage_config:
    69.       target: ldm.modules.encoders.modules.FrozenCLIPEmbedder
    70.  
    71.  
    72. data:
    73.   target: main.DataModuleFromConfig
    74.   params:
    75.     batch_size: 1
    76.     num_workers: 4
    77.     num_val_workers: 0 # Avoid a weird val dataloader issue
    78.     train:
    79.       target: ldm.data.simple.FolderData
    80.       params:
    81.         root_dir: '你存图片的文件夹路径/'
    82.         caption_file: '图片对应的标注文件.json'
    83.         image_transforms:
    84.         - target: torchvision.transforms.Resize
    85.           params:
    86.             size: 512
    87.             interpolation: 3
    88.         - target: torchvision.transforms.RandomCrop
    89.           params:
    90.             size: 512
    91.         - target: torchvision.transforms.RandomHorizontalFlip
    92.     validation:
    93.       target: ldm.data.simple.TextOnly
    94.       params:
    95.         captions:
    96.         - "测试时候用的prompt"
    97.         - "A frontal selfie of handsome caucasian guy with blond hair and blue eyes, with face in the center"
    98.  
    99.         output_size: 512
    100.         n_gpus: 2 # small hack to sure we see all our samples
    101.  
    102.  
    103. lightning:
    104.   find_unused_parameters: False
    105.  
    106.   modelcheckpoint:
    107.     params:
    108.       every_n_train_steps: 30000
    109.       save_top_k: -1
    110.       monitor: null
    111.  
    112.   callbacks:
    113.     image_logger:
    114.       target: main.ImageLogger
    115.       params:
    116.         batch_frequency: 30000
    117.         max_images: 1
    118.         increase_log_steps: False
    119.         log_first_step: True
    120.         log_all_val: True
    121.         log_images_kwargs:
    122.           use_ema_scope: True
    123.           inpaint: False
    124.           plot_progressive_rows: False
    125.           plot_diffusion_rows: False
    126.           N: 4
    127.           unconditional_guidance_scale: 3.0
    128.           unconditional_guidance_label: [""]
    129.  
    130.   trainer:
    131.     benchmark: True
    132.     num_sanity_val_steps: 0
    133.     accumulate_grad_batches: 1

    最后一步，运行命令：

     python main.py --base yaml文件路径.yaml --gpus 0,1 --scale_lr False --num_nodes 1 --check_val_every_n_epoch 2 --finetune_from 上面下载的模型路径.ckpt

    大功告成，等待模型训练就行了。需要注意的是，我这边启用了两个GPU，并且stable diffusion是比较吃显存的，我在V100上进行训练batchsize也只能设为1。

  • 相关阅读:
    这8大优势你都不知道，你敢说你精通单元测试?
    Docker跨主机访问容器
    【慢SQL性能优化】 一条SQL的生命周期 | 京东物流技术团队
    杰理之样机无触摸，拆机之后重新安装变正常【篇】
    Nginx R31 doc-17-debugging 调试
    软件测试----基础篇(1)
    BigCodeBench: 继 HumanEval 之后的新一代代码生成测试基准
    Apache DolphinScheduler-3.2.0集群部署教程
    PPT基础：编辑顶点
    Vue2实现图片预览功能 -- v-viewer：图片查看器
  • 原文地址：https://blog.csdn.net/wenqiwenqi123/article/details/128205792