远程教育网站建设,网站运营作用,保定百度推广联系电话,网络营销的方式有十种介绍
AI绘画#xff0c;其中最常见方案基于扩散模型#xff0c;Stable Diffusion 在此基础上#xff0c;增加了 VAE 模块和 CLIP 模块#xff0c;本文搞了一个测试Demo#xff0c;分为上下两集#xff0c;第一集是denoising_diffusion_pytorch #xff0c;第二集是diff…介绍
AI绘画其中最常见方案基于扩散模型Stable Diffusion 在此基础上增加了 VAE 模块和 CLIP 模块本文搞了一个测试Demo分为上下两集第一集是denoising_diffusion_pytorch 第二集是diffusers。 对于专业的算法同学而言我更推荐使用 diffusers 来训练。原因是 diffusers 工具包在实际的 AI 绘画项目中用得更多并且也更易于我们修改代码逻辑实现定制化功能。
基础模块
创建UNet模型和高斯扩散模型(Gaussian Diffusion)。
UNet是一个编码器-解码器结构的全卷积神经网络。Gaussian Diffusion用于定义噪声过程和损失函数。 将模型加载到GPU上(如果有GPU)。 使用随机初始化的图片进行一次训练,计算损失并反向传播。
这一步的目的是对模型进行一次预热,更新权重。
使用diffusion模型采样生成图片。
这里采样1000步,也就是将噪声逐步减少,每步用UNet预测下一步的图像,最终输出生成的图片。 如果图片在GPU上,将其移回到CPU。 可视化第一张生成图片。
plt.imshow显示图片。
这样通过DDPM框架,可以从随机噪声生成符合数据分布的新图片。每次训练会使模型逐步逼近真实数据分布,从而产生更高质量的图片。
# 创建UNet和扩散模型from denoising_diffusion_pytorch import Unet, GaussianDiffusion
import torchmodel Unet(dim 64,dim_mults (1, 2, 4, 8)
).cuda()diffusion GaussianDiffusion(model,image_size 128,timesteps 1000 # number of steps
).cuda()# 使用随机初始化的图片进行一次训练
training_images torch.randn(8, 3, 128, 128)
loss diffusion(training_images.cuda())
loss.backward()# 采样1000步生成一张图片
sampled_images diffusion.sample(batch_size 4)import torch
import matplotlib.pyplot as plt
from torchvision.utils import make_grid
import torchvision.transforms as transforms# 如果张量在 GPU上需要移动到 CPU上
if sampled_images.is_cuda:sampled_images sampled_images.cpu()# 检查我们生成的一张图
img sampled_images[0].clone().detach().permute(1, 2, 0)plt.imshow(img)数据集 导入所需的库:PIL、io、datasets等。 使用datasets库中的load_dataset方法加载Oxford Flowers数据集。 创建一个目录来保存图片。 遍历数据集的训练、验证、测试split,逐个图像获取图片bytes数据,并保存为PNG格式图片。 使用PIL库的Image对象将bytes数据加载并保存为图片文件。 使用tqdm显示循环进度。
# 数据集下载
from PIL import Image
from io import BytesIO
from datasets import load_dataset
import os
from tqdm import tqdmdataset load_dataset(nelorth/oxford-flowers)# 创建一个用于保存图片的文件夹
images_dir ./oxford-datasets/raw-images
os.makedirs(images_dir, exist_okTrue)# 遍历所有图片并保存针对oxford-flowers整个过程要持续15分钟左右
for split in dataset.keys():for index, item in enumerate(tqdm(dataset[split])):image item[image]image.save(os.path.join(images_dir, f{split}_image_{index}.png))模型训练 定义Unet模型架构和Gaussian Diffusion过程。 加载数据,指定训练参数: 训练总步数20000batch size 16学习率2e-5梯度累积步数2EMA指数衰减参数0.995使用混合精度训练每2000步保存一次模型创建Trainer进行模型训练。Trainer封装了训练循环逻辑。 调用trainer.train()进行训练。
# 模型训练
import torch
from denoising_diffusion_pytorch import Unet, GaussianDiffusion, Trainermodel Unet(dim 64,dim_mults (1, 2, 4, 8)
).cuda()diffusion GaussianDiffusion(model,image_size 128,timesteps 1000 # 加噪总步数
).cuda()trainer Trainer(diffusion,./oxford-datasets/raw-images,train_batch_size 16,train_lr 2e-5,train_num_steps 20000, # 总共训练20000步gradient_accumulate_every 2, # 梯度累积步数ema_decay 0.995, # 指数滑动平均decay参数amp True, # 使用混合精度训练加速calculate_fid False, # 我们关闭FID评测指标计算比较耗时。FID用于评测生成质量。save_and_sample_every 2000 # 每隔2000步保存一次模型
)trainer.train()# 你可以等待上面的模型训练完成后查看生成结果from glob import globresult_images glob(r./results/*.png)
print(result_images)# 可视化图像看看
from PIL import Imageimg Image.open(./results/sample-1.png)
img测试
https://colab.research.google.com/github/NightWalker888/ai_painting_journey/blob/main/lesson12/train_diffusion_v2.ipynb#scrollTo8BVjfBPI93Ar
