ພວກເຮົາອາໄສຢູ່ໃນຊ່ວງເວລາທີ່ຫນ້າຕື່ນເຕັ້ນ, ດ້ວຍການປະກາດກ່ຽວກັບເຕັກໂນໂລຢີທີ່ກ້າວຫນ້າໃນທຸກໆອາທິດ. OpenAI ຫາກໍປ່ອຍຕົວແບບຂໍ້ຄວາມເປັນຮູບທີ່ທັນສະໄໝ DALLE 2.
ມີພຽງແຕ່ສອງສາມຄົນເທົ່ານັ້ນທີ່ເຂົ້າເຖິງລະບົບ AI ໃໝ່ ທີ່ສາມາດສ້າງຮູບພາບທີ່ສົມຈິງຈາກການອະທິບາຍພາສາທໍາມະຊາດ. ມັນຍັງຖືກປິດຕໍ່ສາທາລະນະ.
ສະຖຽນລະພາບ AI ຫຼັງຈາກນັ້ນໄດ້ປ່ອຍອອກມາເມື່ອ ການແຜ່ກະຈາຍຄົງທີ່ ໂມເດວ, ເປັນຕົວແປແບບເປີດຂອງ DALLE2. ການເປີດຕົວນີ້ໄດ້ປ່ຽນແປງທຸກຢ່າງ. ປະຊາຊົນໃນທົ່ວອິນເຕີເນັດໄດ້ເຜີຍແຜ່ຜົນໄດ້ຮັບຢ່າງໄວວາແລະປະຫລາດໃຈກັບສິລະປະທີ່ແທ້ຈິງ.
Stable Diffusion ແມ່ນຫຍັງ?
ການແຜ່ກະຈາຍຄົງທີ່ ແມ່ນຮູບແບບການຮຽນຮູ້ຂອງເຄື່ອງຈັກທີ່ສາມາດສ້າງຮູບພາບຈາກຂໍ້ຄວາມ, ປ່ຽນຮູບພາບຂຶ້ນກັບຂໍ້ຄວາມ, ແລະຕື່ມຂໍ້ມູນໃສ່ໃນຄວາມລະອຽດຕ່ໍາຫຼືຕ່ໍາ.
ມັນໄດ້ຮັບການຝຶກອົບຮົມໃນຫຼາຍຕື້ຮູບພາບແລະສາມາດໃຫ້ຜົນໄດ້ຮັບທຽບເທົ່າກັບ DALL-E2 ແລະ ການເດີນທາງກາງ. ຄວາມໝັ້ນຄົງ AI ປະດິດມັນ, ແລະມັນຖືກເປີດເຜີຍຕໍ່ສາທາລະນະໃນວັນທີ 22 ສິງຫາ 2022.
ແຕ່ດ້ວຍຊັບພະຍາກອນຄອມພິວເຕີ້ທ້ອງຖິ່ນທີ່ຈໍາກັດ, ຮູບແບບການແຜ່ກະຈາຍຄົງທີ່ໃຊ້ເວລາດົນເພື່ອສ້າງຮູບພາບທີ່ມີຄຸນນະພາບສູງ. ການດໍາເນີນການຕົວແບບອອນໄລນ໌ໂດຍໃຊ້ຜູ້ໃຫ້ບໍລິການຄລາວໃຫ້ພວກເຮົາມີຊັບພະຍາກອນຄອມພິວເຕີ້ເກືອບບໍ່ມີຂອບເຂດແລະຊ່ວຍໃຫ້ພວກເຮົາໄດ້ຮັບຜົນໄດ້ຮັບທີ່ດີເລີດໄວຂຶ້ນ.
ການໂຮດຕົວແບບເປັນບໍລິການຈຸລະພາກຍັງຊ່ວຍໃຫ້ແອັບຯສ້າງສັນອື່ນໆສາມາດນຳໃຊ້ທ່າແຮງຂອງຕົວແບບໄດ້ງ່າຍຂຶ້ນ ໂດຍບໍ່ຕ້ອງຈັດການກັບຄວາມສັບສົນຂອງການໃຊ້ຕົວແບບ ML ອອນລາຍ.
ໃນບົດຂຽນນີ້, ພວກເຮົາຈະພະຍາຍາມສະແດງໃຫ້ເຫັນວິທີການພັດທະນາຕົວແບບການແຜ່ກະຈາຍທີ່ຫມັ້ນຄົງແລະນໍາໄປໃຊ້ກັບ AWS.
ສ້າງແລະນໍາໃຊ້ການແຜ່ກະຈາຍທີ່ຫມັ້ນຄົງ
BentoML ແລະ Amazon Web Services EC2 ແມ່ນສອງທາງເລືອກສໍາລັບການເປັນເຈົ້າພາບຮູບແບບການແຜ່ກະຈາຍແບບຄົງທີ່ອອນໄລນ໌. BentoML ເປັນກອບແຫຼ່ງເປີດສໍາລັບການປັບຂະຫນາດ ການຮຽນຮູ້ເຄື່ອງຈັກ ການບໍລິການ. ດ້ວຍ BentoML, ພວກເຮົາຈະສ້າງບໍລິການການກະຈາຍທີ່ໜ້າເຊື່ອຖື ແລະ ນຳໄປໃຊ້ກັບ AWS EC2.
ການກະກຽມສະພາບແວດລ້ອມແລະດາວໂຫລດຮູບແບບການແຜ່ກະຈາຍທີ່ຫມັ້ນຄົງ
ການຕິດຕັ້ງຄວາມຕ້ອງການແລະ clone repository.
ທ່ານສາມາດເລືອກແລະດາວໂຫລດຮູບແບບ Stable Diffusion. ຄວາມແມ່ນຍໍາດຽວແມ່ນເຫມາະສົມສໍາລັບ CPU ຫຼື GPU ທີ່ມີ VRAM ຫຼາຍກວ່າ 10GB. ຄວາມຊັດເຈນເຄິ່ງແມ່ນເຫມາະສົມສໍາລັບ GPU ທີ່ມີ VRAM ຫນ້ອຍກວ່າ 10GB.
ການກໍ່ສ້າງການແຜ່ກະຈາຍຄົງທີ່
ພວກເຮົາຈະສ້າງບໍລິການ BentoML ເພື່ອຮັບໃຊ້ຮູບແບບທີ່ຢູ່ເບື້ອງຫຼັງ a API RESTful. ຕົວຢ່າງຕໍ່ໄປນີ້ໃຊ້ຮູບແບບຄວາມແມ່ນຍໍາອັນດຽວສໍາລັບການຄາດຄະເນ ແລະໂມດູນ service.py ເພື່ອເຊື່ອມຕໍ່ການບໍລິການກັບເຫດຜົນທາງທຸລະກິດ. ພວກເຮົາສາມາດເປີດເຜີຍຫນ້າທີ່ເປັນ APIs ໂດຍການແທັກພວກມັນດ້ວຍ @svc.api.
ນອກຈາກນັ້ນ, ພວກເຮົາສາມາດກໍານົດປະເພດຂອງການປ້ອນຂໍ້ມູນແລະຜົນຜະລິດຂອງ APIs ໃນພາລາມິເຕີ. ຕົວຢ່າງ, ຈຸດສິ້ນສຸດ txt2img ໄດ້ຮັບການປ້ອນຂໍ້ມູນ JSON ແລະຜະລິດຜົນໄດ້ຮັບຂອງຮູບພາບ, ໃນຂະນະທີ່ຈຸດສິ້ນສຸດ img2img ຍອມຮັບການປ້ອນຂໍ້ມູນຮູບພາບ ແລະ JSON ແລະສົ່ງຄືນຜົນໄດ້ຮັບຂອງຮູບພາບ.
A StableDiffusionRunnable ກໍານົດເຫດຜົນ inference ທີ່ສໍາຄັນ. runnable ແມ່ນຮັບຜິດຊອບໃນການແລ່ນວິທີການທໍ່ txt2img ຂອງຕົວແບບແລະການສົ່ງຂໍ້ມູນທີ່ກ່ຽວຂ້ອງ. ສໍາລັບການດໍາເນີນການຕາມເຫດຜົນ inference ຂອງຕົວແບບໃນ APIs, ການດໍາເນີນງານທີ່ກໍານົດເອງໄດ້ຖືກສ້າງຂຶ້ນຈາກ StableDiffusionRunnable.
ຫຼັງຈາກນັ້ນ, ໃຊ້ຄໍາສັ່ງຕໍ່ໄປນີ້ເພື່ອເລີ່ມຕົ້ນການບໍລິການ BentoML ສໍາລັບການທົດສອບ. ທ້ອງຖິ່ນແລ່ນ ຮູບແບບການແຜ່ກະຈາຍຄົງທີ່ ການອ້າງອີງກ່ຽວກັບ CPUs ແມ່ນຂ້ອນຂ້າງຊ້າ. ແຕ່ລະຄໍາຮ້ອງຂໍຈະໃຊ້ເວລາປະມານ 5 ນາທີເພື່ອປະມວນຜົນ.
ຂໍ້ຄວາມເປັນຮູບ
ຂໍ້ຄວາມອອກເປັນຮູບພາບ
ໄຟລ໌ bentofile.yaml ກໍານົດໄຟລ໌ທີ່ຕ້ອງການ ແລະການຂຶ້ນກັບ.
ໃຊ້ຄໍາສັ່ງຂ້າງລຸ່ມນີ້ເພື່ອສ້າງ bento. Bento ແມ່ນຮູບແບບການແຈກຢາຍສໍາລັບການບໍລິການ BentoML. ມັນເປັນການເກັບຮັກສາຕົນເອງທີ່ມີທັງຫມົດຂອງຂໍ້ມູນແລະການຕັ້ງຄ່າທີ່ຈໍາເປັນເພື່ອເລີ່ມຕົ້ນການບໍລິການ.
The Stable Diffusion bento ໄດ້ສໍາເລັດ. ຖ້າທ່ານບໍ່ສາມາດສ້າງ bento ໄດ້ຢ່າງຖືກຕ້ອງ, ຢ່າຕົກໃຈ; ທ່ານສາມາດດາວໂຫລດຕົວແບບທີ່ສ້າງຂຶ້ນກ່ອນໄດ້ໂດຍໃຊ້ຄໍາສັ່ງທີ່ລະບຸໄວ້ໃນພາກຕໍ່ໄປ.
ຮຸ່ນກ່ອນສ້າງ
ຕໍ່ໄປນີ້ແມ່ນຕົວແບບກ່ອນການກໍ່ສ້າງ:
ນຳໃຊ້ຕົວແບບການແຜ່ກະຈາຍທີ່ຄົງທີ່ໃຫ້ກັບ EC2
ເພື່ອນຳໃຊ້ bento ກັບ EC2, ພວກເຮົາຈະໃຊ້ bentoctl. bentoctl ສາມາດໃຫ້ທ່ານປັບໃຊ້ bentos ຂອງທ່ານໃສ່ອັນໃດກໍໄດ້ ເວທີຟັງ ໃຊ້ Terraform. ເພື່ອສ້າງ ແລະນຳໃຊ້ໄຟລ໌ Terraform, ໃຫ້ຕິດຕັ້ງຕົວປະຕິບັດການ AWS EC2.
ໃນໄຟລ໌ deployment config.yaml, ການຕິດຕັ້ງໄດ້ຖືກຕັ້ງຄ່າແລ້ວ. ກະລຸນາຮູ້ສຶກວ່າບໍ່ເສຍຄ່າເພື່ອແກ້ໄຂຄວາມຕ້ອງການຂອງທ່ານ. Bento ຖືກນຳໃຊ້ໂດຍຄ່າເລີ່ມຕົ້ນໃນ host g4dn.xlarge ກັບ the Deep Learning AMI GPU PyTorch 1.12.0 (Ubuntu 20.04) AMI ໃນພາກພື້ນ us-west-1.
ສ້າງໄຟລ໌ Terraform ດຽວນີ້. ສ້າງຮູບພາບ Docker ແລະອັບໂຫລດມັນໃສ່ AWS ECR. ອີງຕາມແບນວິດຂອງທ່ານ, ການອັບໂຫລດຮູບພາບອາດຈະໃຊ້ເວລາດົນ. ໃນການນຳໃຊ້ bento ກັບ AWS EC2, ໃຫ້ໃຊ້ໄຟລ໌ Terraform.
ເພື່ອເຂົ້າເຖິງ Swagger UI, ເຊື່ອມຕໍ່ກັບ EC2 console ແລະເປີດທີ່ຢູ່ IP ສາທາລະນະໃນຕົວທ່ອງເວັບ. ສຸດທ້າຍ, ຖ້າບໍລິການ Stable Diffusion BentoML ແມ່ນບໍ່ຈໍາເປັນ, ຖອນການຕິດຕັ້ງອອກ.
ສະຫຼຸບ
ທ່ານຄວນຈະສາມາດເຫັນໄດ້ວ່າ SD ທີ່ໜ້າຈັບໃຈ ແລະ ມີພະລັງ ແລະ ຕົວແບບຄູ່ຂອງມັນເປັນແນວໃດ. ເວລາຈະບອກໄດ້ວ່າພວກເຮົາຈະທົບທວນແນວຄວາມຄິດຕື່ມອີກ ຫຼືກ້າວໄປສູ່ວິທີການທີ່ຊັບຊ້ອນຫຼາຍຂຶ້ນ.
ຢ່າງໃດກໍ່ຕາມ, ປະຈຸບັນຍັງມີການລິເລີ່ມໃນການຝຶກອົບຮົມຕົວແບບທີ່ໃຫຍ່ກວ່າດ້ວຍການປັບຕົວເພື່ອເຂົ້າໃຈສະພາບແວດລ້ອມແລະຄໍາແນະນໍາທີ່ດີກວ່າ. ພວກເຮົາພະຍາຍາມພັດທະນາບໍລິການ Stable Diffusion ໂດຍໃຊ້ BentoML ແລະນໍາໄປໃຊ້ກັບ AWS EC2.
ພວກເຮົາສາມາດດໍາເນີນການຮູບແບບ Stable Diffusion ໃນຮາດແວທີ່ມີປະສິດທິພາບຫຼາຍ, ສ້າງຮູບພາບທີ່ມີເວລາແຝງຕໍ່າ, ແລະຂະຫຍາຍອອກໄປນອກຄອມພິວເຕີເຄື່ອງດຽວໂດຍການໃຊ້ບໍລິການເທິງ AWS EC2.
ອອກຈາກ Reply ເປັນ