优秀的版式设计网站,wordpress网络图片,快速优化关键词排名,六安哪里有做推广网站目录 Amazon SageMaker简介
Amazon SageMaker在控制台的使用
模型的各项参数
pytorch训练绘图部分代码 Amazon SageMaker简介
亚马逊SageMaker是一种完全托管的机器学习服务。借助 SageMaker#xff0c;数据科学家和开发人员可以快速、轻松地构建和训练机器学习模型#…目录 Amazon SageMaker简介
Amazon SageMaker在控制台的使用
模型的各项参数
pytorch训练绘图部分代码 Amazon SageMaker简介
亚马逊SageMaker是一种完全托管的机器学习服务。借助 SageMaker数据科学家和开发人员可以快速、轻松地构建和训练机器学习模型然后直接将模型部署到生产就绪托管环境中。它提供了一个集成的 Jupyter 编写 Notebook 实例供您轻松访问数据源以便进行探索和分析因此您无需管理服务器。此外它还可以提供常见的机器学习算法这些算法经过了优化可以在分布式环境中高效处理非常大的数据。借助对bring-your-own-algorithms和框架的本地支持SageMaker提供灵活的分布式训练选项可根据您的特定工作流程进行调整。可以从 SageMaker Studio 或 SageMaker 控制台中单击几下鼠标按钮以启动模型以将该模型部署到安全且可扩展的环境中。
Amazon SageMaker在控制台的使用 创建Amazon SageMaker
在亚马逊云科技首页我们登录账号之后在搜索栏输入Amazon SageMaker之后我们点击第一个服务进入Amazon SageMaker服务选在控制面板。 进入服务的控制面板之后我们选择我们的服务设备
我们这里选择笔记本实例当然要是有其他需求的小伙伴可以自行选择其他因为我们这里时笔记本所以我就选择的时笔记本实例。然后点击创建笔记本实例即可进行下一步。 进入笔记本实例设置里面需要填入一下信息 笔记本实例名称 笔记本实例类型 Elastic Inference 平台标识符 生命周期配置 卷大小 最低IMDS版本等 设置好之后进入创建IAM角色控制面板完成创建角色。 创建完成之后返回笔记本实例控制面板完成笔记本实例的创建。 下载好代码ipynb文件之后我们在笔记本实例页面点击“打开Jupyter”然后上传代码。选择好文件后点击蓝色的“Upload”按键即可完成上传。然后我们打开刚刚上传的notebook可以看到该文件就是一个完整的Stable Diffusion训练代码这里我们的run kernel选择conda_pytorch_38或conda_pytorch_39因为机器学习代码是用pytorch写的。 模型的各项参数 prompt (str or List[str]): 引导图像生成的文本提示或文本列表 height (int, optional, 默认为 V1模型可支持到512像素V2模型可支持到768像素): 生成图像的高度以像素为单位 width (int, optional, 默认为 V1模型可支持到512像素V2模型可支持到768像素): 生成图像的宽度以像素为单位 num_inference_steps (int, optional, defaults to 50): 降噪步数。更多的去噪步骤通常会以较慢的推理为代价获得更高质量的图像 guidance_scale (float, optional, defaults to 7.5): 较高的指导比例会导致图像与提示密切相关但会牺牲图像质量。 如果指定它必须是一个浮点数。 guidance_scale1 被忽略。 negative_prompt (str or List[str], optional): 不引导图像生成的文本或文本列表。不使用时忽略必须与prompt类型一致不应小于等于1.0 num_images_per_prompt (int, optional, defaults to 1): 每个提示生成的图像数量
pytorch训练绘图部分代码
# move Model to the GPU
torch.cuda.empty_cache()
pipe pipe.to(cuda)
# V1 Max-H:512,Max-W:512
# V2 Max-H:768,Max-W:768
print(datetime.datetime.now())
# 提示词一句话或者多句话
prompts [Dream far away,A singer who is singing,
]
generated_images pipe(promptprompts,height512, # 生成图像的高度width512, # 生成图像的宽度num_images_per_prompt1 # 每个提示词生成多少个图像
).images # image here is in [PIL format](https://pillow.readthedocs.io/en/stable/)
print(fPrompts: {prompts}\n)
print(datetime.datetime.now())
for image in generated_images:display(image)
在这里我们设置了两个提示词 Dream far away梦想远方 A singer who is singing一个正在唱歌的歌手
生成结构如下
