如何对网站进行分析,新能源电动车,傻瓜式网站建设软件,WordPress主题vieu破解版目录 前言一、HAI二、应用场景三、构建 Stable Diffusion 模型1、新建HAI应用2、StableDiffusionWebUI#xff08;1#xff09;功能介绍#xff08;2#xff09;页面转中文#xff08;3#xff09;AI绘图① 正向提示词语② 反向提示词③ “” 、“ AND”、“|” 用法④ 权… 目录 前言一、HAI二、应用场景三、构建 Stable Diffusion 模型1、新建HAI应用2、StableDiffusionWebUI1功能介绍2页面转中文3AI绘图① 正向提示词语② 反向提示词③ “” 、“ AND”、“|” 用法④ 权重⑤ Euler a 取样方法⑥ DPM 2M Karras 取样方法⑦ 新增提示词案例 四、总结 前言
一直以来想部署一个自己的 StableDiffusion 模型但是在构建模型过程中遇到许多问题后来发现可以用 HAI 可以快速构建并且部署给我带来了极大的便利省去了许多麻烦事。
高性能应用服务Hyper Application InventorHAI是一款面向 AI 和科学计算的 GPU/NPU 应用服务产品提供即插即用的强大算力和常见环境。它可以帮助中小企业和开发者快速部署语言模型、AI 绘图、数据科学等高性能应用原生集成配套的开发工具和组件大大提升应用层的开发生产效率。
如果你想快速构建一套AI模型比如Stable Diffusion、ChatGLM2 6B、Llama2 7B、Llama2 13B又或者是想搭建一套AI框架比如Pytorch2.0.0、Tensorflow2.9.0HAI 可成为你的首选。本文通过构建Stable Diffusion模型进行二次元AI绘画主要利用深度学习算法进行创作绘图应用场景也是十分广泛。
一、HAI
高性能应用服务 HAI 以应用为中心匹配GPU云算力资源助力中小企业及开发者快速部署LLM、AI作画、数据科学等高性能应用。其优势十分显著
1、简单易用。通过简化计算、网络和存储等基础设施的配置流程大幅降低了云服务操作和管理的复杂度。 2、应用环境快速部署。支持多种 AI 环境快速部署如 ChatGLM-6B、StableDiffusion 等使用户可专注业务及应用场景创新。 3、高灵活性。支持用户登录实例对 AI 模型及实例环境进行灵活配置。可进行内部开发、业务测试或对外提供业务服务。 4、多种登录方式。除传统连接方式外支持通过 jupyterlab、WebUI 等方式一键启动提供更贴合使用场景的登录方式。 5、算力种类丰富。提供多种算力套餐选择未来还将加入更多种类供用户选择。
二、应用场景
HAI 应用场景十分广泛可以应用于AI 作画/设计、AI 对话/写作、AI 开发测试以及数据科学等方面。 在AI 作画/设计方面设计师和开发者可以使用高性能应用服务快速地部署和优化 AI 绘画模型。高性能应用服务预置 Stable Diffusion 等主流 AI 作画模型及常用插件提供 GUI 图形化界面即开即用大幅降低上手门槛。在AI 对话/写作方面研究者和开发者可以使用高性能应用服务快速部署和运行大型语言模型如 LLAMA2、ChatGLM 等进行自然语言处理任务如文本生成、情感分析、文本分类等。高性能应用服务提供的算力支持和优化环境确保了语言模型可以在最短的时间内进行部署同时还能保持高稳定性和可靠性。在AI 开发测试方面高性能应用服务的预配置环境支持大多数流行的 AI 框架和工具如 TensorFlow、PyTorch 等使得开发者可以专注于算法设计和模型优化。AI 研究者可以在高性能应用服务上进行模型的开发、训练、测试和优化无需担心硬件兼容性和软件配置问题。如新算法的原型开发、模型微调与迁移学习、深度学习框架的交叉测试等。在数据科学方面数据科学家们可使用高性能应用服务快速进行数据分析和图标处理。高性能应用服务预置了 Notebook、Python 环境以及主流分析软件。
三、构建 Stable Diffusion 模型
上面讲解了HAI的优势以及应用场景那么接下来就开始使用 HAI 构建 Stable Diffusion 模型。Stable Diffusion直接从字面意思翻译是稳定的扩散当然这也将图像生成模型的工作原理点出来了。它是一种生成模型可用于生成高质量的图像其原理是将噪声添加懂真实图像然后通过神经网络将噪声去除掉随着噪声逐渐去除真实图像便逐渐恢复。那么怎么使用 HAI 构建 Stable Diffusion 模型呢
1、新建HAI应用
首先在算力管理页面点击新建这就是构建HAI应用的入口了。 在AI模型中选择Stable Diffusion这就是我们需要的模型然后点击购买。 购买完成后HAI应用就会自动创建创建过程大概需要3-8分钟静候即可。
创建完成之后点击算力连接在下拉中选择stable_diffusion_webui。 2、StableDiffusionWebUI
我们可以看到StableDiffusionWebUI 主页面具体如下图所示
1功能介绍
StableDiffusionWebUI是基于StableDiffusion开源模型开发的具有以下功能 文生图 根据描述生成任何图像 智能识别Stable Diffusion 可以智能识别用户上传的图片并自动调整图片质量和色彩让图片更加清晰、饱满。 风格转换Stable Diffusion 可以将用户上传的图片转换成不同的艺术风格如印象派、后印象派、立体派等等让图片更加艺术化。 人像修复Stable Diffusion 可以自动识别人像并进行修复去除皱纹、瑕疵等不良痕迹让人像更加美观自然。 图像融合Stable Diffusion 可以将多张图片进行融合生成全新的图像让用户可以尝试不同的创意和设计。 图像去噪Stable Diffusion 可以自动去除图片中的噪点让图片更加干净、清晰。
2页面转中文
首先我们先把页面换成中文。选择页面中Extensions菜单中的Available菜单然后取消localization勾选勾选script之后点击 Load from大概需要等30-60s。 然后在搜索框中搜索zh_CN 点击Install进行安装。
安装成功后我们可以在Extensions菜单中的Installed菜单看到安装的stable-diffusion-webui-localization-zh_CN 最后在Setting菜单中选择User interface在Localization (requires restart) 下拉菜单中选择zh_CN 最后先点击Apply setting然后再点击Reload UI页面就变成中文了。
3AI绘图
Stable Diffusion可以根据你输入的提示词prompt来绘制出想象中的画面。在进行文生图之前先讲解一下StableDiffusionWebUI主页面的基本属性相关配置属性解释如下
属性描述提示词主要描述图像包括内容风格等信息原始的webui会对这个地方有字数的限制可以安装一些插件突破字数的限制。简单来说就是你想要生成一副什么样的图片包含主体、风格、色彩、质量要求等等。反向提示词告诉模型我们不需要的风格表示你不想要什么比如不想要图片出现什么不想图片质量差不想人物模糊或者多手多脚等提示词相关性CFG scale分类器自由引导尺度图像与提示符的一致程度越低的值产生的结果越有创意数值越大成图越贴近描述文本。一般设置为7采样方法Sampling method扩散算法的去噪声采样模式会影响其效果不同的采样模式的结果会有很大差异采样迭代步数Sampling steps在使用扩散模型生成图片时所进行的迭代步骤。每经过一次迭代AI就有更多的机会去比对prompt和当前结果并作出相应的调整。需要注意的是更高的迭代步数会消耗更多的计算时间和成本但并不意味着一定会得到更好的结果。然而如果迭代步数过少一般不少于50则图像质量肯定会下降随机种子Seed生成每张图片时的随机种子这个种子是用来作为确定扩散初始状态的基础。-1表示不基于图片种子进行绘制完全基于你的prompt生成如果填写一个图片的种子值则会参考你填写的图片种子在此图片基础上进行二次绘制。高清修复将生成的图片进行高清放大提升分辨率显存不够的宝子们慎用生成批次表示本次绘制时通过几个批次进行绘画显存低的宝子们可以调大以时间换空间每批数量表示每批生成几张图片也是看显存大小进行设置
其中提示词是非常重要的是生成图像最基本的要求。提示词prompt由多个词缀构成。提示词分为正向提示词positive prompt和反向提示词negative prompt用来告诉AI哪些需要哪些不需要。反向提示词听起来有些耐人寻味其实就是我们不想出现什么的描述。提示词与反提示词实际上看你的想象力当初也要转换成英文描述的术语才能更好地生效个人认为没有什么定格公式会限制人的想象力总之你想什么就填上去尽情发挥想象力。
① 正向提示词语
这里提供一些正向提示词语可以斟酌添加到模型中。
prompt描述HDR, UHD, 64K(HDR、UHD、4K、8K和64K)这样的质量词可以带来巨大的差异提升照片的质量Highly detailed画出更多详细的细节Studio lighting添加演播室的灯光可以为图像添加一些漂亮的纹理Professional加入该词可以大大改善图像的色彩对比和细节Vivid Colors给图片添加鲜艳的色彩可以为你的图像增添活力Bokeh虚化模糊了背景突出了主体像iPhone的人像模式High resolution scan让你的照片具有老照片的样子赋予年代感Sketch素描Painting绘画
② 反向提示词
一些返向提示词案例针对你要生成的图像通过反向提示避免出现不符合预期的图片
Negative PromptDescriptionMutated hands and fingers变异的手和手指Deformed畸形的Bad anatomy解剖不良Disfigured毁容Poorly drawn face脸部画得不好Mutated变异的Extra limb多余的肢体Ugly丑陋Poorly drawn hands手部画得很差Missing limb缺少的肢体Floating limbs漂浮的四肢Disconnected limbs肢体不连贯Malformed hands畸形的手Out of focus脱离焦点Long neck长颈Long body身体长
③ “” 、“ AND”、“|” 用法 “”和“AND”这两个符号都用于连接短标签或关键词。使用“”或者“AND”来将标签连接在一起。要注意的是在使用“AND”连接标签时两端需要加上空格。此外“”可以大致等同于“AND”。 “|”这是用作循环绘制符号或融合符号。在这种上下文中它可能表示一种绘图操作可以用来融合或循环绘制某些元素或标签。
④ 权重
使用括号和不同格式来调整单词的权重
(PromptA:权重)调整权重比例为给定的权重。(PromptA)默认权重为1.1等同于(PromptA:1.1)。{PromptB}默认权重为1.05等同于(PromptB:1.05)。[PromptC]默认权重为0.952等同于(PromptC:0.952)。((PromptD))权重为1.21等于(PromptD:1.1*1.1)。{{PromptE}}权重为1.1025等于(PromptE:1.05*1.05)。[[PromptF]]权重为0.905504等于(PromptF:0.952*0.952)。
此外根据标签的位置权重也会受到影响。比如如果景色标签在前人物可能会被缩小反之人物可能会变大或显示为半身。
⑤ Euler a 取样方法
使用Euler a取样方法生成图像本文案例使用下面的配置 正向提示词((studio ghibli)), (1cute girl) walking in street, half body, 反向提示词easynegative 取样方法Euler a 取样步骤65 高解析度修正Hires.fix放大演算算法选择SwinIR_4x高解析步骤为10重绘幅度为0.71 提示次相关性CFG7 随机种子3472141699 产生批次1 每批数量8 然后生成如下图宫崎骏动漫里的夏天真的太好看啦 Euler a的优势 适用性欧拉采样方法在生成二次元图像中可能不是首选因为它主要用于模拟物理系统或动态系统的数值积分对于艺术风格的图像生成并不是其主要应用。 特点: 欧拉方法更适用于模拟动态系统中的物体运动或相机路径等对于艺术性较高的二次元图像可能无法提供所需的效果和细节。 ⑥ DPM 2M Karras 取样方法
之后了解到DPM 2M Karras基于深度学习和神经网络技术能够生成高质量、细节丰富的图像。Euler采样方法主要用于模拟物理系统或动态系统的数值积分对于艺术风格的图像生成并不是其主要应用。因此将取样方法修改为DPM 2M Karras并对其他属性做了调整如下 正向提示词((studio ghibli)), (1cute girl) walking in street, half body, 反向提示词easynegative 取样方法DPM 2M Karras 取样步骤60 高解析度修正Hires.fix放大演算算法选择SwinIR_4x高解析步骤为10重绘幅度为0.4 提示次相关性CFG7 随机种子3472141699 产生批次1 每批数量8 很明显可以看出来两个取样方法生成的图片有很大的不同用DPM 2M Karras方法生成的图片色彩更鲜艳人物形象也更生动。 DPM 2M Karras 的优势 适用性: DPM 2M Karras可能更适合生成二次元图像因为它基于深度学习和神经网络技术能够生成高质量、细节丰富的图像。 特点:这种方法能够更好地保持模型的细节并且可以更快速地生成需要的图像。它适用于生成二次元风格的图像特别是在处理角色造型、背景细节等方面有着较好的效果。 ⑦ 新增提示词案例
依旧使用上面的DPM 2M Karras方法取样新增一些正向提示词和反向提示词看看与上面生成的图片有什么不同本次配置提示词更丰富限制的要求比较多。
提示词描述prompt((studio ghibli)), (1cute girl) walking in street, half body, 64K, Professional,Makoto Shinkai, Katsuhiro Otomo, Masashi Kishimoto, Kentaro Miuranegative prompt(low quality, worst quality:1.4), (bad_prompt:0.8), (monochrome:1.1), (greyscale), username, watermark, signature, text, logo, nsfw 可以看到生成的图片虽然使用了DPM 2M Karras取样方法但是新添加的提示词64K, Professional,Makoto Shinkai, Katsuhiro Otomo, Masashi Kishimoto, Kentaro Miura的作用也是非常明显生的的图像色彩对比更明显图像的细节也更多了。并且图像的面部、肢体也和正常人物形象没有什么很大差别并没有出现多余的肢体、畸形的手等变异的地方。
四、总结
StableDiffusionWebUI 的出神入化让我十分震惊HAI不仅可以构建应用而且也提供了部署的功能这让我一个嫌麻烦的人似乎找到了归宿。本来自己构建模型的话就挺复杂了HAI 彻底解决了我的问题。在体验过程中对 HAI 构建应用有一些自己的看法
缺陷以及优化建议
1、构建HAI应用地域的选择有点少像北京这样的一线城市选项竟然么有有一些诧异。 2、生成图像过程中会出现卡顿现象虽然显示图像在生成中但是进度一直不动卡的时间比较长只能重启应用来解决问题如果能监控到图像生成的问题并给予提示就更好了。个人认为是算力不够在处理更大尺寸的图像、采样步数过大等问题会有限制。 3、对于有经验的使用者对目标图像生成时配置参数有自己的着重点。但是对于新手使用提示词积累比较少生成图像可能跟自己的预期大相径庭能提供一些提示词案例就更好了。
优点
1、HAI 提供了简单易用的API接口和友好的开发工具方便用户开发和调试。 2、快速构建和部署我觉得这是很多使用者都能看到的优点真的很方便。 3、HAI 使用先进的架构和算法能够处理大量并发请求并提供高吞吐量和低延迟的服务这让使用者在使用应用过程中体验更好。 4、可以搭建一套服务让多个应用一起使用这样不仅节约了经费还节省了时间。
附HAI官方地址https://cloud.tencent.com/product/hai
