定制网站报价,株洲网站建设 英铭,洛阳小程序制作公司,建个网站的电话Stable Diffusion#xff1a;使用自己的数据集微调训练LoRA模型 前言前提条件相关介绍微调训练LoRA模型下载kohya_ss项目安装kohya_ss项目运行kohya_ss项目准备数据集生成关键词模型参数设置预训练模型设置文件夹设置训练参数设置 开始训练LoRA模型TensorBoard查看训练情况 测… Stable Diffusion使用自己的数据集微调训练LoRA模型 前言前提条件相关介绍微调训练LoRA模型下载kohya_ss项目安装kohya_ss项目运行kohya_ss项目准备数据集生成关键词模型参数设置预训练模型设置文件夹设置训练参数设置 开始训练LoRA模型TensorBoard查看训练情况 测试训练的LoRA模型文字生成图像txt2img 参考 前言 由于本人水平有限难免出现错漏敬请批评改正。更多精彩内容可点击进入YOLO系列专栏、自然语言处理 专栏或我的个人主页查看基于DETR的人脸伪装检测YOLOv7训练自己的数据集口罩检测YOLOv8训练自己的数据集足球检测YOLOv5TensorRT加速YOLOv5模型推理YOLOv5IoU、GIoU、DIoU、CIoU、EIoU玩转Jetson Nano五TensorRT加速YOLOv5目标检测YOLOv5添加SE、CBAM、CoordAtt、ECA注意力机制YOLOv5yolov5s.yaml配置文件解读、增加小目标检测层Python将COCO格式实例分割数据集转换为YOLO格式实例分割数据集YOLOv5使用7.0版本训练自己的实例分割模型车辆、行人、路标、车道线等实例分割使用Kaggle GPU资源免费体验Stable Diffusion开源项目 前提条件
安装 Python 3.10.6 https://www.python.org/downloads/release/python-3106/安装 githttps://git-scm.com/download/win安装 Visual Studio 2015, 2017, 2019, and 2022 redistributablehttps://aka.ms/vs/17/release/vc_redist.x64.exe
相关介绍 Python是一种跨平台的计算机程序设计语言。是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。最初被设计用于编写自动化脚本(shell)随着版本的不断更新和语言新功能的添加越多被用于独立的、大型项目的开发。PyTorch 是一个深度学习框架封装好了很多网络和深度学习相关的工具方便我们调用而不用我们一个个去单独写了。它分为 CPU 和 GPU 版本其他框架还有 TensorFlow、Caffe 等。PyTorch 是由 Facebook 人工智能研究院FAIR基于 Torch 推出的它是一个基于 Python 的可续计算包提供两个高级功能1、具有强大的 GPU 加速的张量计算如 NumPy2、构建深度神经网络时的自动微分机制。AIGC人工智能生成内容是指由人工智能系统创建或生成的内容。它涉及使用人工智能技术如机器学习、自然语言处理和计算机视觉生成各种形式的内容包括文本、图像、视频、音乐等。稳定扩散Stable Diffusion是一种用于概率建模和图像处理的方法。它基于扩散过程的理论旨在对图像进行平滑和去噪处理同时保持重要的图像结构和细节。稳定扩散方法通过在图像上应用非线性扩散算子来实现平滑和去噪。与传统的线性扩散方法不同稳定扩散引入了非线性项以更好地保留图像的边缘和细节。稳定扩散的核心思想是在扩散过程中考虑梯度信息并根据梯度大小和方向来调整扩散速度。这样可以在平滑图像的同时有效地抑制边缘的模糊和细节的丢失。稳定扩散方法在图像去噪、边缘保持、纹理增强等方面具有广泛应用。它提供了一种平衡平滑和保持图像结构的方法可以应用于计算机视觉、图像处理和模式识别等领域。LoRA模型全称是Low-Rank Adaptation of Large Language Models可以理解为Stable-Diffusion中的一个插件仅需要少量的数据就可以进行训练的一种模型。LoRA模型可以用于大语言模型的微调可以用来降低微调成本。LoRA模型可以和大模型结合使用干涉大模型产生的结果。LoRA采用的方式是向原有的模型中插入新的数据处理层从而避免了去修改原有的模型参数从而避免将整个模型进行拷贝的情况同时其也优化了插入层的参数量最终实现了一种很轻量化的模型调校方法。LoRA建议冻结预训练模型的权重并在每个Transformer块中注入可训练层秩-分解矩阵。 LoRA还可以用于Stable-diffusion中的交叉关注层从而改善用文字生成图片的效果。LoRA模型的个头都比较小常见的都是144MB左右使用的时候要与精简版prund的Stable Diffusion1.5模型配合使用。 微调训练LoRA模型
下载kohya_ss项目 官方源地址https://github.com/bmaltais/kohya_ss.git 下载解压后项目目录如下图所示。
安装kohya_ss项目 打开终端并导航到所需的安装目录。 进入kohya_ss目录: cd kohya_ss执行如下命令运行setup脚本: .\setup.bat如果没有报错则安装成功。
运行kohya_ss项目
在Windows上使用gui.bat脚本并在终端中运行它命令如下
gui.bat --listen 127.0.0.1 --server_port 7860 --inbrowser --share运行成功后可在浏览器输入http://127.0.0.1:7860/打开如下图所示。 注详细使用教程可查阅此项目中的README.md文件 准备数据集
在kohya_ss项目下创建一个train目录具体内容如下 image : 图片放在这里。log训练记录model模型保存路径image目录还有一个子目录比如本文这里是100_Freeman100表示100个steps会直接影响训练的步数和效果Freeman表示图片人物名称。创建好目录将处理好的图片放在00_Freeman目录然后就要准备做关键词生成。 生成关键词
具体步骤Utilities-Captioning-BLIP Captioning 成功生成会出现TXT文件如下图所示。 模型参数设置
预训练模型设置 文件夹设置 训练参数设置 开始训练LoRA模型 训练完成后会在model文件夹里生成一个.safetensors模型文件
TensorBoard查看训练情况
在页面上点击Start TensorBoard打开网址http://127.0.0.1:6006即可查看。 测试训练的LoRA模型 测试模型需要使用到stable-diffusion-webui项目具体安装方法可查阅Window下部署使用Stable Diffusion AI开源项目绘图 将kohya_ss/train/Freeman/model目录里的Freeman_bs2_epoch50_fp16.safetensors模型文件分别拷贝到stable-diffusion-webui项目里的stable-diffusion-webui/models/Lora目录和stable-diffusion-webui/models/Stable-diffusion目录下。 在stable-diffusion-webui目录下使用webui-user.bat脚本并在终端中运行它命令如下
webui-user.bat运行成功后可在浏览器输入http://127.0.0.1:7861/打开如下图所示。
选择自己训练的LoRA模型
文字生成图像txt2img lora:Freeman_bs2_epoch50_fp16:1Freeman a beautiful woman with glasses and a white dress,modelshoot style,beautiful light,photo realistic game cg参考
[1] https://github.com/bmaltais/kohya_ss.git [2] https://github.com/AUTOMATIC1111/stable-diffusion-webui [3] https://github.com/camenduru/stable-diffusion-webui [4] https://www.kaggle.com/code/camenduru/stable-diffusion-webui-kaggle [5] https://blog.csdn.net/wpgdream/article/details/130607099 [6] https://zhuanlan.zhihu.com/p/620583928 由于本人水平有限难免出现错漏敬请批评改正。更多精彩内容可点击进入YOLO系列专栏、自然语言处理 专栏或我的个人主页查看基于DETR的人脸伪装检测YOLOv7训练自己的数据集口罩检测YOLOv8训练自己的数据集足球检测YOLOv5TensorRT加速YOLOv5模型推理YOLOv5IoU、GIoU、DIoU、CIoU、EIoU玩转Jetson Nano五TensorRT加速YOLOv5目标检测YOLOv5添加SE、CBAM、CoordAtt、ECA注意力机制YOLOv5yolov5s.yaml配置文件解读、增加小目标检测层Python将COCO格式实例分割数据集转换为YOLO格式实例分割数据集YOLOv5使用7.0版本训练自己的实例分割模型车辆、行人、路标、车道线等实例分割使用Kaggle GPU资源免费体验Stable Diffusion开源项目
