나만의 AI 이미지 생성 구축

타격

인터넷의 최신 트렌드는 midjourney, Dall-e 2 또는 안정적인 확산과 같은 이미지 생성기에 쉽게 액세스할 수 있다는 것입니다. 우리는 페이월 뒤에 있는 이들 중 일부입니다. AWS Sagemaker 노트북 인스턴스에서 직접 사용을 시작할 수 있는 몇 줄의 코드를 보여드리겠습니다!

안정적인 확산에 의한 공개 릴리스 덕분에 이미지를 생성하는 ai 모델을 다운로드하고 실행할 수 있으며 때로는 결과가 끔찍할 수도 있고 때로는 우아할 수도 있습니다. 아래에 제공된 예는 단순히 "현실적인 피카추"와 "모자를 쓴 노인"입니다. 프롬프트가 실행될 때마다 결과가 달라집니다!




이 사람이 진짜가 아니라고 믿기 어렵습니다. 그러나 이러한 이미지 세대는 예술 작품 이외의 다른 실용적인 응용 프로그램이 있습니까? 물론 그들은 누군가가 가구와 같은 새로운 영감을 주는 디자인을 얻을 수 있는 몇 가지 간단한 프롬프트로 디자인 산업에 영향을 미칠 것입니다!

전제 조건

1.Huggingface에서 계정을 만드세요.

서비스 약관에 동의합니다.

생성하다 token

노트북 실행

경고: Sagemaker 노트북은 실행하는 데 비용이 듭니다! 비용을 피하려면 인스턴스를 완료하자마자 정리하십시오! 자신의 책임하에 진행하십시오!

AWS 콘솔에 로그인합니다.

Amazon Sagemaker를 검색하고 선택합니다.

왼쪽 메뉴에서 노트북 인스턴스를 클릭합니다

.

인스턴스 만들기 클릭

인스턴스에서 이름을 선택합니다. 인스턴트 유형은 가속 컴퓨팅 인스턴스여야 합니다! ml.p2.xlarge 이상을 선택하십시오

.

권한 및 암호화가 기본값으로 유지됨

네트워크 설정을 엽니다. 기본 VPC로 설정합니다. 인터넷 액세스가 필요합니다.

인스턴스 시작을 선택하십시오!

노트북 구성

지금까지 따라했다면 인스턴스가 준비되는 데 약간의 시간이 걸립니다. 그러나 인스턴스를 일부 변경하고 일부 패키지를 추가해야 합니다. 기존 환경 변수를 수정합니다.

인스턴스가 준비되면. Jupyter Lab 열기를 선택합니다.

터미널 선택

Conda 환경 활성화

source /home/ec2-user/anaconda3/etc/profile.d/conda.sh
conda activate pytorch_38

이것이 작동하려면 필수 패키지를 설치하십시오.

pip install diffusers==0.2.3 transformers scipy
pip install torch==1.11.0+cu113 torchvision==0.12.0+cu113 torchaudio==0.11.0 --extra-index-url https://download.pytorch.org/whl/cu113

huggingface-cli 로그인 구성

huggingface-cli login

그러면 이전의 token을 입력하라는 메시지가 표시됩니다.

성공하면 출력
Login successful
Your token has been saved to /home/ec2-user/.huggingface/token
Authenticated through git-credential store but this isn't the helper defined on your machine.
You might have to re-authenticate when pushing to the Hugging Face Hub. Run the following command in your terminal in case you want to set this credential helper as the default


코드!

구성이 완료되었습니다! 파일 -> 새로 만들기 -> 새 노트북을 선택합니다.

다음 코드를 셀에 복사 붙여넣기

from torch import autocast
from diffusers import StableDiffusionPipeline, LMSDiscreteScheduler


lms = LMSDiscreteScheduler(
    beta_start=0.00085, 
    beta_end=0.012, 
    beta_schedule="scaled_linear"
)

# this will substitute the default PNDM scheduler for K-LMS  
pipe = StableDiffusionPipeline.from_pretrained(
    "CompVis/stable-diffusion-v1-4", 
    scheduler=lms,
    use_auth_token=True
).to("cuda")

prompt = "a photo of an astronaut riding a horse on mars"
with autocast("cuda"):
    image = pipe(prompt)["sample"][0]  

image.save("astronaut_rides_horse.png")

실행을 클릭하십시오! 참고: 첫 번째 실행은 AI 모델을 다운로드하므로 약간의 시간이 걸립니다. 최종 결과물은 아름다운 사진이어야 하고 내 사진과 다르게 보여야 합니다!

결론

이를 사용하여 프롬프트 및 파일 이름을 편집하여 다양한 유형의 이미지를 생성할 수 있습니다. 결과는 거의 동일하지 않습니다. 이것은 기본 프레임워크일 뿐이며 웹 요청을 기반으로 이미지를 생성하기 위해 훨씬 더 복잡한 시스템을 만들 수 있습니다. GPU가 연결된 EC2 인스턴스에서 쉽게 시작하여 이미지를 생성하고 S3로 푸시합니다.

경고 충전을 중지하려면 노트북을 종료하는 것을 잊지 마십시오.

원천:

HuggingFace