ကျွန်ုပ်တို့သည် အပတ်တိုင်း ခေတ်မီနည်းပညာများအကြောင်း ကြေငြာချက်များနှင့်အတူ စိတ်လှုပ်ရှားဖွယ်အချိန်များတွင် နေထိုင်ပါသည်။ OpenAI သည် နောက်ဆုံးပေါ် စာသားမှ ရုပ်ပုံမော်ဒယ် DALLE 2 ကို မကြာသေးမီက ထုတ်ပြန်ခဲ့သည်။
သဘာဝဘာသာစကားဖော်ပြချက်များမှ လက်တွေ့ကျသော ဂရပ်ဖစ်များကို ဖန်တီးနိုင်သည့် AI စနစ်အသစ်ကို လူအနည်းငယ်ကသာ စောစောစီးစီးရရှိခဲ့ကြသည်။ အများပြည်သူကို ပိတ်ထားဆဲဖြစ်သည်။
ထို့နောက် Stability AI မှ ထုတ်ပြန်ခဲ့သည်။ တည်ငြိမ်သောပျံ့နှံ့မှု မော်ဒယ်၊ DALLE2 ၏ open-source ဗားရှင်း။ ဤလွှတ်တင်မှုသည် အရာအားလုံးကို ပြောင်းလဲစေခဲ့သည်။ အင်တာနက်တစ်ဝှမ်းလုံးရှိလူများသည် လျင်မြန်သောရလဒ်များကို ထုတ်ပြန်ကြပြီး လက်တွေ့ဆန်သောအနုပညာကြောင့် အံ့အားသင့်နေကြသည်။
Stable Diffusion ဆိုတာ ဘာလဲ။
တည်ငြိမ်သောပျံ့နှံ့မှု စာသားမှ ပုံများကို ဖန်တီးနိုင်ပြီး စာသားပေါ်မူတည်၍ ပုံများကို ပြောင်းလဲခြင်းနှင့် ကြည်လင်ပြတ်သားမှုနည်းသော သို့မဟုတ် အသေးစိတ်ပုံများပေါ်တွင် အသေးစိတ်အချက်အလက်များကို ဖြည့်စွမ်းနိုင်သော စက်သင်ယူမှုပုံစံတစ်ခုဖြစ်သည်။
၎င်းကို ဓာတ်ပုံပေါင်း ဘီလီယံပေါင်းများစွာဖြင့် လေ့ကျင့်ထားပြီး ရလဒ်များနှင့် ညီမျှသည်။ DALL-E2 နှင့် MidJourney. တည်ငြိမ်မှု AI တီထွင်ခဲ့ပြီး ဩဂုတ်လ 22 ရက် 2022 တွင် လူသိရှင်ကြား ထုတ်ပြန်ခဲ့သည်။
သို့သော် ဒေသတွင်း တွက်ချက်မှုဆိုင်ရာ အရင်းအမြစ်များ အကန့်အသတ်ဖြင့်၊ Stable Diffusion မော်ဒယ်သည် အရည်အသွေးမြင့် ဓာတ်ပုံများကို ဖန်တီးရန် အချိန်ကြာမြင့်သည်။ cloud ပံ့ပိုးပေးသူကို အသုံးပြု၍ မော်ဒယ်ကို အွန်လိုင်းတွင် လည်ပတ်ခြင်းသည် ကျွန်ုပ်တို့အား အဆုံးမဲ့ တွက်ချက်မှုဆိုင်ရာ အရင်းအမြစ်များနီးပါးကို ပေးစွမ်းပြီး အလွန်မြန်ဆန်သော ရလဒ်များကို ရရှိစေပါသည်။
မော်ဒယ်ကို မိုက်ခရိုဝန်ဆောင်မှုအဖြစ် လက်ခံဆောင်ရွက်ပေးခြင်းသည် ML မော်ဒယ်များကို အွန်လိုင်းတွင်အသုံးပြုခြင်း၏ ရှုပ်ထွေးမှုများကို ဖြေရှင်းစရာမလိုဘဲ အခြားသော ဖန်တီးမှုအက်ပ်များကို မော်ဒယ်၏အလားအလာကို ပိုမိုလွယ်ကူစွာ အသုံးချနိုင်စေပါသည်။
ဤပို့စ်တွင်၊ ကျွန်ုပ်တို့သည် တည်ငြိမ်သောပျံ့နှံ့မှုပုံစံကို မည်သို့တည်ဆောက်ရမည်ကို သရုပ်ပြပြီး AWS သို့ အသုံးချရန် ကြိုးစားပါမည်။
Stable Diffusion ကို တည်ဆောက်ပြီး အသုံးချပါ။
BentoML နှင့် Amazon Web Services EC2 သည် Stable Diffusion မော်ဒယ်ကို အွန်လိုင်းတွင် လက်ခံကျင်းပရန်အတွက် ရွေးချယ်စရာ နှစ်ခုဖြစ်သည်။ BentoML သည် စကေးချဲ့ရန်အတွက် open-source framework တစ်ခုဖြစ်သည်။ စက်သင်ယူမှု ဝန်ဆောင်မှုများ။ BentoML ဖြင့်၊ ကျွန်ုပ်တို့သည် ယုံကြည်စိတ်ချရသော ပျံ့နှံ့မှုဝန်ဆောင်မှုကို တည်ဆောက်ပြီး ၎င်းကို AWS EC2 သို့ အသုံးချပါမည်။
ပတ်ဝန်းကျင်ကို ပြင်ဆင်ခြင်းနှင့် တည်ငြိမ်သောပျံ့နှံ့မှုပုံစံကို ဒေါင်းလုဒ်လုပ်ပါ။
လိုအပ်ချက်များကို ထည့်သွင်းပြီး သိုလှောင်ရာကို ပွားပါ။
Stable Diffusion မော်ဒယ်ကို သင်ရွေးချယ်ပြီး ဒေါင်းလုဒ်လုပ်နိုင်ပါသည်။ တစ်ခုတည်းသောတိကျမှုသည် VRAM ၏ 10GB ထက်ကြီးသော CPU သို့မဟုတ် GPU များအတွက် သင့်လျော်သည်။ တိကျမှုတစ်ဝက်သည် 10GB VRAM အောက်ရှိသော GPU များအတွက် အကောင်းဆုံးဖြစ်သည်။
Building Stable Diffusion
ကျွန်ုပ်တို့သည် မော်ဒယ်၏နောက်ကွယ်တွင် ဝန်ဆောင်မှုပေးရန်အတွက် BentoML ဝန်ဆောင်မှုကို တည်ဆောက်ပါမည်။ ကျန်ကြွင်းသော API ကို. အောက်ပါဥပမာသည် ခန့်မှန်းချက်အတွက် တစ်ခုတည်းသော တိကျမှုပုံစံကို အသုံးပြုပြီး ဝန်ဆောင်မှုကို လုပ်ငန်းဆိုင်ရာ ယုတ္တိဗေဒနှင့် ချိတ်ဆက်ရန် service.py module ကို အသုံးပြုသည်။ ၎င်းတို့ကို @svc.api ဖြင့် တဂ်လုပ်ခြင်းဖြင့် API များအဖြစ် လုပ်ဆောင်ချက်များကို ဖော်ထုတ်နိုင်ပါသည်။
ထို့အပြင်၊ ကျွန်ုပ်တို့သည် ကန့်သတ်ဘောင်များတွင် APIs ၏ ထည့်သွင်းမှုနှင့် အထွက်အမျိုးအစားများကို သတ်မှတ်နိုင်သည်။ ဥပမာ၊ txt2img အဆုံးမှတ်သည် JSON ထည့်သွင်းမှုကို လက်ခံရရှိပြီး ရုပ်ပုံအထွက်ကို ထုတ်လုပ်ပေးသော်လည်း img2img အဆုံးမှတ်သည် ရုပ်ပုံနှင့် JSON ထည့်သွင်းမှုကို လက်ခံပြီး ရုပ်ပုံအထွက်ကို ပြန်ပေးသည်။
StableDiffusionRunnable သည် မရှိမဖြစ် အနုမာနယုတ္တိကို သတ်မှတ်သည်။ runnable သည် မော်ဒယ်၏ txt2img ပိုက်နည်းလမ်းများကို လုပ်ဆောင်ပြီး သက်ဆိုင်ရာ ထည့်သွင်းမှုများကို ပေးပို့ရန် တာဝန်ယူပါသည်။ APIs များတွင် model inference logic ကို run ရန်အတွက်၊ custom Runner ကို StableDiffusionRunnable မှတည်ဆောက်ထားသည်။
ထို့နောက် စမ်းသပ်ရန်အတွက် BentoML ဝန်ဆောင်မှုကို စတင်ရန် အောက်ပါ command ကို အသုံးပြုပါ။ ပြည်တွင်းမှာ လည်ပတ်နေပါတယ်။ Stable Diffusion ပုံစံ CPU တွေရဲ့ ကောက်ချက်ဟာ အတော်လေး နှေးကွေးပါတယ်။ တောင်းဆိုချက်တစ်ခုစီကို လုပ်ဆောင်ရန် 5 မိနစ်ခန့် ကြာပါမည်။
ပုံသို့ စာပို့ပါ။
ပုံသို့ စာသားအထွက်
bentofile.yaml ဖိုင်သည် လိုအပ်သောဖိုင်များနှင့် မှီခိုမှုကို သတ်မှတ်သည်။
Bento တည်ဆောက်ရန် အောက်ဖော်ပြပါ command ကို အသုံးပြုပါ။ Bento သည် BentoML ဝန်ဆောင်မှုအတွက် ဖြန့်ဖြူးမှုပုံစံဖြစ်သည်။ ၎င်းသည် ဝန်ဆောင်မှုစတင်ရန် လိုအပ်သော ဒေတာနှင့် စီစဉ်သတ်မှတ်မှုများအားလုံးကို ပါဝင်သော ကိုယ်တိုင်ပါရှိသော မှတ်တမ်းတစ်ခုဖြစ်သည်။
Stable Diffusion Bento ပြီးပါပြီ။ အကယ်၍ သင်သည် bento ကို မှန်ကန်စွာ မထုတ်လုပ်နိုင်ခဲ့ပါက မထိတ်လန့်ပါနှင့်။ နောက်အပိုင်းရှိ ဖော်ပြထားသော ညွှန်ကြားချက်များကို အသုံးပြု၍ ကြိုတင်တည်ဆောက်ထားသော မော်ဒယ်ကို ဒေါင်းလုဒ်လုပ်နိုင်ပါသည်။
မော်ဒယ်များကြိုတင်တည်ဆောက်ပါ။
အောက်ပါတို့သည် ကြိုတင်တည်ဆောက်မှုပုံစံများဖြစ်သည်-
Stable Diffusion model ကို EC2 သို့ အသုံးပြုပါ။
Bento ကို EC2 သို့ ဖြန့်ကျက်ရန် bentoctl ကို အသုံးပြုပါမည်။ bentoctl သည် သင့် bentos ကို မည်သည့်နေရာသို့မဆို အသုံးချနိုင်စေနိုင်သည်။ Cloud platform Terraform ကို အသုံးပြု. Terraform ဖိုင်များကို တည်ဆောက်ပြီး အသုံးပြုရန်၊ AWS EC2 အော်ပရေတာအား ထည့်သွင်းပါ။
ဖြန့်ကျက်မှု config.yaml ဖိုင်တွင်၊ ဖြန့်ကျက်မှုကို စီစဉ်ပြီးဖြစ်သည်။ သင့်လိုအပ်ချက်များကို လွတ်လပ်စွာ တည်းဖြတ်ပါ။ Bento ကို g4dn.xlarge host တွင် ပုံသေဖြင့် ဖြန့်ကျက်ထားသည်။ နက်ရှိုင်းသောသင်ယူခြင်း us-west-1.12.0 ဒေသရှိ AMI GPU PyTorch 20.04 (Ubuntu 1) AMI။
Terraform ဖိုင်များကို ယခုဖန်တီးပါ။ Docker ပုံကိုဖန်တီးပြီး AWS ECR သို့ အပ်လုဒ်လုပ်ပါ။ သင်၏ bandwidth ပေါ်မူတည်၍ ပုံအပ်လုဒ်တင်ခြင်းသည် အချိန်ကြာမြင့်နိုင်ပါသည်။ bento ကို AWS EC2 သို့ ဖြန့်ကျက်ရာတွင် Terraform ဖိုင်များကို အသုံးပြုပါ။
Swagger UI ကိုအသုံးပြုရန်၊ EC2 ကွန်ဆိုးလ်သို့ချိတ်ဆက်ပြီး ဘရောက်ဆာတစ်ခုတွင် အများသူငှာ IP လိပ်စာကိုဖွင့်ပါ။ နောက်ဆုံးတွင်၊ Stable Diffusion BentoML ဝန်ဆောင်မှုကို မလိုအပ်တော့ပါက၊ ဖြန့်ကျက်မှုကို ဖယ်ရှားပါ။
ကောက်ချက်
စွဲမက်ဖွယ်ကောင်းပြီး အစွမ်းထက်သော SD နှင့် ၎င်း၏အဖော်မော်ဒယ်များ မည်ကဲ့သို့ ဆွဲဆောင်မှုရှိသည်ကို သင်မြင်နိုင်မည်ဖြစ်သည်။ ကျွန်ုပ်တို့သည် အယူအဆကို ထပ်လောင်းပြောမည်ဆိုပါက သို့မဟုတ် ပိုမိုခေတ်မီသောချဉ်းကပ်မှုများဆီသို့ ဆက်သွားရန် အချိန်က ပြောပြလိမ့်မည်။
သို့သော်၊ ပတ်ဝန်းကျင်နှင့် ညွှန်ကြားချက်များကို ပိုမိုကောင်းမွန်စွာဆုပ်ကိုင်နိုင်စေရန် ချိန်ညှိမှုများဖြင့် ပိုကြီးသောမော်ဒယ်များကို လေ့ကျင့်သင်ကြားပေးရန် လောလောဆယ် အစပျိုးလုပ်ဆောင်လျှက်ရှိပါသည်။ BentoML ကို အသုံးပြု၍ Stable Diffusion ဝန်ဆောင်မှုကို တီထွင်ရန် ကြိုးပမ်းခဲ့ပြီး ၎င်းအား AWS EC2 သို့ အသုံးချခဲ့သည်။
ကျွန်ုပ်တို့သည် ပိုမိုအားကောင်းသော ဟာ့ဒ်ဝဲပေါ်တွင် Stable Diffusion မော်ဒယ်ကို လုပ်ဆောင်နိုင်ပြီး၊ latency နည်းပါးသော ဓာတ်ပုံများကို ဖန်တီးကာ AWS EC2 တွင် ဝန်ဆောင်မှုကို အသုံးပြုခြင်းဖြင့် ကွန်ပျူတာတစ်ခုတည်းထက် ကျော်လွန်နိုင်ခဲ့သည်။
တစ်ဦးစာပြန်ရန် Leave