Platform For AI:Deploy and fine-tune Stable Diffusion V1.5 for text-to-image

Implante o Stable Diffusion V1.5 no PAI-EAS e inicie a WebUI para gerar e refinar saídas de texto-para-imagem.

Pré-requisitos

Você já criou um bucket do OSS. {{XREF_0}}.

1. Acessar os detalhes do modelo

1. Acesse a página Model Gallery.

   1. Faça login no PAI console.

   2. No canto superior esquerdo, selecione uma região conforme sua necessidade.

   3. No painel de navegação à esquerda, escolha Workspaces e clique no nome do workspace desejado para acessá-lo. Em seguida, no painel de navegação à esquerda, escolha Quick Start > Model Gallery.

2. Na página Model Gallery, pesquise e clique no cartão do modelo Stable_Diffusion_V1.5.

2. Implantar e testar o modelo

1. Na página de detalhes do modelo, clique em Deploy no canto superior direito. No painel Deploy, selecione um recurso de implantação, como ecs.gn6e-c12g1.3xlarge. Mantenha os valores padrão para os demais parâmetros.

2. Clique em Deploy. Na caixa de diálogo Billing Notification, clique em OK.

   A página Service details será aberta. Na seção Basic Information, verifique o status da implantação. Quando o Status mudar para Running, o service estará implantado.

3. No canto superior direito da página de detalhes do service, clique em View Web App para iniciar a WebUI.

4. Teste o modelo na WebUI.

   Na aba text-to-image, insira um prompt na área prompt, por exemplo: The eagle is flying in the sky, in the distance is the vast snow, and under the snow mountain is a grassland. Clique em Generate para visualizar o resultado. Para um controle mais preciso, insira um prompt como The eagle is flying in the sky, in the distance is the vast snow, and under the snow mountain is a grassland na caixa de texto de prompt positivo, defina o método de amostragem como Euler a, as etapas de amostragem como 20, largura e altura como 512, CFG Scale como 7 e seed como -1. Clique em Generate. A imagem aparecerá na área de saída à direita.

3. Ajustar o modelo

Ajuste o Stable Diffusion V1.5 para personalizar a saída conforme seu caso de uso.

1. Retorne à página de detalhes do modelo e clique em Fine-tune no canto superior direito.

2. No painel Train, expanda as seções de configuração para revisar os parâmetros abaixo. Mantenha os padrões para os parâmetros não listados. {{XREF_1}}.

   Dataset Configuration	O PAI fornece um conjunto de dados padrão. Para usar seu próprio conjunto de dados, prepare-o da seguinte forma: Prepare os dados de treinamento com base no formato de dados de treinamento na página de detalhes do modelo. Baixe o conjunto de dados de exemplo para referência. Estrutura de diretórios: |——img1.jpg |——img2.jpg |——... |——metadata.jsonl O arquivo metadata.jsonl utiliza o formato JSON Lines. O campo file_name especifica o nome do arquivo de imagem, e text contém a legenda correspondente. Exemplo de metadata.jsonl: {"file_name": "img1.jpg", "text": "cat"} {"file_name": "img2.jpg", "text": "penguin"} {"file_name": "img3.jpg", "text": "dragon"} Carregue os dados de treinamento em um bucket do OSS. {{XREF_2}}. Atualize a configuração do conjunto de dados de treinamento. {{XREF_3}}.
   Hyperparameter configuration	Mantenha training_method definido como standard. Utilize os valores padrão para os outros parâmetros.
   Output Configuration	Defina o Model output path como um caminho de bucket do OSS. {{XREF_4}}.

3. Clique em Model output path.

   A página Train será aberta.

Após a conclusão do treinamento, clique em Task details no canto superior direito da página de detalhes da tarefa para implantar o modelo ajustado. O processo de implantação é o mesmo descrito em {{XREF_5}}.