DataWhaleX魔搭_AI夏令营_四期AIGC方向_task03 学习笔记
任务详情
进阶上分-实战优化：我们今天的任务是了解微调的基本原理，对微调的各种参数有一个更加清楚的了解，来实现一个更好的效果，以及文生图的工作流平台工具ComfyUI，实现一个更加高度定制的文生图。
ComfyUI
简介
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。
ComfyUI : The most powerful and modular stable diffusion GUI and backend.
ComfyUI图片生成流程找到的一些学习资料
ComfyUI的优势
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。
使用魔搭社区提供的Notebook和免费的GPU算力体验来体验ComfyUI
Notebook
依然在魔搭社区打开GPU环境Notebook。
打开Notebook下载脚本代码文件
新建一个terminal，下载安装ComfyUI的执行文件和task1中微调完成Lora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/
进入ComfyUI的安装部署文件
双击进入ComfyUI.ipynb文件。一键执行安装程序。（点击Restart按钮）
进入文件
运行进入预览界面
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。
不需要等待全部代码运行完毕，只需要等到链接出现即可打开它。
如果链接访问白屏，或者报错，就等一会再访问重试，程序可能没有正常启动完毕。
打开这样的链接
进入连接以后的主界面下载工作流脚本
本次Task用到两个工作流脚本，在下方的夸克网盘中。
网盘链接内容首先下载kolors_example.json文件。点击ComfyUI主界面上的”Load”按钮，选择刚刚下载的文件，输入你的正向提示词、反向提示词后，点击Queue Prompt按钮运行。
点击运行以上的文件是不带Lora的工作流样例。接下来我们使用带Lora的工作流样例来生成图片。
- 这里的Lora是我们Task1微调训练出来的文件
- 地址是：/mnt/workspace/models/lightning_logs/version_0/checkpoints/epoch=0-step=500.ckpt
- 如有有其他的Lora文件，可以在下面截图Lora文件地址区域更换成自己的地址
同样地，先Load，再写提示词，最后生成图片。
一些学习网站
| 名称 | 链接地址 |
|---|---|
| 在魔搭使用ComfyUI，玩转AIGC！ | https://modelscope.cn/headlines/article/429 |
| ComfyUI的官方地址 | https://github.com/comfyanonymous/ComfyUI |
| ComfyUI官方示范 | https://comfyanonymous.github.io/ComfyUI_examples/ |
| 别人的基础工作流示范 | https://github.com/cubiq/ComfyUI_Workflows |
| https://github.com/wyrde/wyrde-comfyui-workflows | |
| 工作流分享网站 | https://comfyworkflows.com/ |
| 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 |
魔搭官方教程：
Lora微调
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。
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。
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。
详解
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
| 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） |
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
高质量的数据集
当我们进行图片生成相关的工作时，选择合适的数据集是非常重要的。
推荐自学python爬取网站数据。爬虫教程推荐慕课上的。
爬虫对于想要用AI生成某动漫或漫画画风的作品的同学十分具有针对性。如，如果想生成一个长得像《瑞克与莫蒂》作品中姥爷的科学家，就需要用爬虫去爬取网页上的数据了。这是使用其他数据收集方式无法做到的。