20分钟,使用 Amazon SageMaker 快速搭建属于自己的 AIGC 应用

人工智能
云上探索实验室
0
1
|作者介绍:白水,中国科学院重庆绿色智能技术研究院研究人员,系统架构设计师,曾参与和负责医疗企业、机器人企业和政府等大数据智能项目开发。微信公众号:采苓AI研习社 | | | --- | --- | 这段时间以来,基于深度学习的内容生成在图像、视频、语音、音乐、文本等生成领域都取得了令人瞩目的成果,也越来越多的身边人在讨论 AIGC。但你知道 AIGC 背后的有哪些技术支持吗? 实际上,最早引爆 AIGC 话题的是 AI 作图,它是以 Stable Diffusion 技术为基础实现的。以前,AI 作图还只是简单的风格迁移、头像生成、磨皮、P图等功能应用,直到 Stable Diffusion 模型的降临,AI 作图发生了质的变化,人们第一次见识到了生产力 AI 的力量:画家、设计师不用再绞尽脑汁思考色彩、构图,只要告诉 Stable Diffusion 模型自己想要什么,就能言出法随般地生成高质量图片。 那么我能不能自己实现一个以 Stable Diffusion 模型为基础的 AIGC 作画应用呢? 答案是可以的!最近我恰好受邀参与了亚马逊云科技【云上探索实验室】活动,**利用Amazon SageMaker 平台搭**建了自己的 AIGC 应用,整个过程只用了不到 **20分钟**。 ![image.png](https://dev-media.amazoncloud.cn/75f32e506fed4befa0a6ce9efdb68d3b_image.png "image.png") 使用 Amazon SageMaker 基于Stable Diffusion模型搭建的AIGC应用 总体而言,在 Amazon SageMaker上搭建 AIGC 应用的体验十分出色,不仅仅是流程清晰,简单易实现。使用者可以直接从 Hugging Face 上提取预训练的模型,参考Amazon提供的简明教程,使得 SageMaker 可以很容易地将模型转化为 Web 应用。 下面是一些图像生成的结果: ![image.png](https://dev-media.amazoncloud.cn/a6b3e74cbecc4c8e82be1da8b7a7406c_image.png "image.png") 感觉还不错,现在我们就来复盘一些怎么利用亚马逊云服务使用 Amazon SageMaker 在 20 分钟内搭建一个属于自己的 AIGC 应用。 我将首先简单说明AIGC是什么以及讲解 Stable Diffusion 的技术原理。然后介绍Amazon SageMaker 是做什么的。之后将基于 Amazon SageMaker 搭建 AIGC 应用的整体流程复盘一遍。最后对该应用进行测试和功能评价。 ### **1. 什么是Stable Diffusion?** ##### 1.1. 人工智能自动生成内容:AIGC 介绍 人工智能自动生成内容(AIGC)是一种基于人工智能(AI)技术的内容创作方法,旨在快速、高效地生成高质量、有创意的文本、图像、音频或视频等多种形式的内容。借助先进的深度学习和自然语言处理技术,AIGC能够理解和学习人类语言、语境、知识和创意,从而根据用户需求生成各种类型的内容。这其中尤其以 Stable Diffusion 为代表性技术和应用,它用于从自然语言描述生成数字图像。 ![image.png](https://dev-media.amazoncloud.cn/ab8262b71da14c539c16f25310d47fac_image.png "image.png") ##### 1.2. Stable Diffusion原理解析 Stable Diffusion 是一个基于 Latent Diffusion Models(潜在扩散模型,LDMs)的文图生成(text-to-image)模型。 ![image.png](https://dev-media.amazoncloud.cn/f3fe944825734c8a91884f9d1851ab96_image.png "image.png") 它包含三个模块:感知压缩、扩散模型和条件机制。 **(1) 图像感知压缩(Perceptual Image Compression)** 图像感知压缩通过VAE自编码模型对原图进行处理,忽略掉原图中的高频细节信息,只保留一些重要、基础的特征。该模块并非必要,但是它的加入能够大幅降低训练和采样的计算成本,大大降低了图文生成任务的实现门槛。 基于感知压缩的扩散模型的训练过程有两个阶段:(1)训练一个自编码器;(2)训练扩散模型。在训练自编码器时,为了避免潜在表示空间出现高度的异化,作者使用了两种正则化方法,一种是KL-reg,另一种是VQ-reg,因此在官方发布的一阶段预训练模型中,会看到KL和VQ两种实现。在Stable Diffusion中主要采用AutoencoderKL这种正则化实现。 具体来说,图像感知压缩模型的训练过程如下:给定图像$$x\in\mathbb{R}^{H\times W\times 3}$$我们先利用一个编码器$$\varepsilon$$来将图像从原图编码到潜在表示空间(即提取图像的特征)$$z=\varepsilon(x)$$,其中$$z\in \mathbb{R}^{h\times w\times c}$$。然后,用解码器从潜在表示空间重建图片$$\widetilde{x}=\mathcal{D}(z)=\mathcal{D}(\varepsilon(x))$$。训练的目标是使$$x=\widetilde{x}$$。 **(2) 隐扩散模型(Latent Diffusion Models)** ![image.png](https://dev-media.amazoncloud.cn/7674003f7e29454d988d49a94ec96f2f_image.png "image.png") [扩散模型(DM)](https://nn.labml.ai/diffusion/ddpm/index.html?trk=cndc-detail)从本质上来说,是一个基于马尔科夫过程的去噪器。其反向去噪过程的目标是根据输入的图像$$x_t$$去预测一个对应去噪后的图像$$x_{t+1}$$,即$$x_{t+1}=\epsilon_t(x_t,t),\ t=1,...,T$$。相应的目标函数可以写成如下形式: $$L_{DM}=\mathbb{E}_{x,\epsilon\sim\mathcal{N(0,1),t}}=[||\epsilon-\epsilon_\theta(x_t,t)||_{2}^{2}]$$ 这里默认噪声的分布是高斯分布,这是因为高斯分布$$\mathcal{N(0,1)}$$可以应用重参数化技巧简化计算;此处的$$x$$指的是原图。 而在潜在扩散模型中(LDM),引入了预训练的感知压缩模型,它包括一个编码器$$\varepsilon$$和一个解码器$$\mathcal{D}$$。这样在训练时就可以利用编码器得到$$z_t=\varepsilon(x_t)$$,从而让模型在潜在表示空间中学习,相应的目标函数可以写成如下形式: $$L_{LDM}=\mathbb{E}_{\varepsilon(x),\epsilon\sim\mathcal{N(0,1),t}}=[||\epsilon-\epsilon_\theta(z_t,t)||_{2}^{2}]$$ **(3) 条件机制(Conditioning Mechanisms)** 条件机制,指的是通过输入某些参数来控制图像的生成结果。这主要是通过拓展得到一个条件时序去噪自编码器(Conditional Denoising Autoencoder,CDA)$$\epsilon_\theta(z_t,t,y)$$来实现的,这样一来我们就可通过输入参数$$y$$来控制图像生成的过程。 具体来说,论文通过在UNet主干网络上增加cross-attention机制来实现CDA,选用UNet网络是因为实践中Diffusion在UNet网络上效果最好。为了能够从多个不同的模态预处理参数$$y$$,论文引入了一个领域专用编码器(Domain Specific Encoder)$$\tau_\theta$$,它将$$y$$映射为一个中间表示$$\tau_\theta(y)\in\mathbb{R}^{M\times d_r}$$,这样我们就可以很方便的将$$y$$设置为各种模态的条件(文本、类别等等)。最终模型就可以通过一个cross-attention层映射将控制信息融入到UNet的中间层,cross-attention层的实现如下: $$Attention(Q,K,V)=softmax(\frac{QK^\top}{\sqrt{d}})\cdot V$$ $$Q=W_{Q}^{(i)}\cdot \varphi_i(z_t),\quad K=W_{K}^{(i)}\cdot \tau_\theta(y),\quad V=W_{V}^{(i)}\cdot \tau_\theta(y)$$ 其中$$\varphi_i(z_t)\in \mathbb{R}^{N\times d_{\epsilon}^{i}}$$是UNet的一个中间表征;$$W_{Q}^{(i)}$$、$$W_{K}^{(i)}$$和$$W_{V}^{(i)}$$分别是三个权重矩阵。此时,带有条件机制的隐扩散模型的目标函数可以写成如下形式: $$L_{LDM}=\mathbb{E}_{\varepsilon(x),\ y,\ \epsilon\sim\mathcal{N(0,1),\ t}}=[||\epsilon-\epsilon_\theta(z_t,\ t,\ \tau_\theta(y))||_{2}^{2}]$$ ### 2. 什么是Amazon SageMaker? Amazon SageMaker 是一种完全托管式的机器学习服务,旨在帮助开发者和数据科学家快速、轻松地构建、训练和部署机器学习模型。Amazon SageMaker 提供了一个集成的开发环境,降低了创建机器学习解决方案的复杂性和成本。亚马逊云科技云服务提供了三层架构,即框架和基础架构服务-机器学习服务-人工智能服务相结合的服务架构,其中 Amazon SageMaker 是中间层服务的支撑平台,为机器学习提供自定义训练和部署服务。 ![image.png](https://dev-media.amazoncloud.cn/ed058eef7153457182548ed44febb018_image.png "image.png") ### 3. 通过 Amazon SageMaker 搭建基于 Stable Diffusion 模型的 AIGC 应用 ![image.png](https://dev-media.amazoncloud.cn/cdc8421874064a8ebae2103490d033d9_image.png "image.png") 在我们开始部署 Stable Diffusion 模型之前,先来了解一下整体的实验架构。整体流程分为两大部分,首先是在 SageMaker Notebook 中加载并准备 AIGC 模型,模型已经在机器学习开源社区 Hugging Face 中准备好了,我们需要把它加载到 Notebook中。然后将模型上传并部署该模型到 Endpoint 上,创建属于自己的 AIGC 应用。 ##### 3.1. 创建Notebook 为了部署和使用我们的 AIGC 模型,我们采用 SageMaker Notebook 来编写代码和训练模型。 首先我们进入到自己的 **控制台主页(Amazon Management Console)**,在最上方的搜索栏中搜索“Amazon SageMaker”,点击进入即可。 ![image.png](https://dev-media.amazoncloud.cn/d5aafc87c5c540ce842ffc2e1f39200d_image.png "image.png") 然后,我们在左侧的目录中选择“笔记本”-“笔记本实例”,进入到笔记本实例控制页。在这里,我们点击“创建笔记本实例”来创建一个新的实例。 ![image.png](https://dev-media.amazoncloud.cn/d8d7e6ff36064bfca814beae5aec2730_image.png "image.png") 之后在创建笔记本实例详情页中配置笔记本实例的基本信息。主要配置以下4部分信息:(1)笔记本实例名称;(2)笔记本实例类型;(3)平台标识符(操作系统及Jupyter Notebook版本);(4)实例存储大小(卷大小)。 ![image.png](https://dev-media.amazoncloud.cn/ad1454537a6841c88c287fc549c70f0e_image.png "image.png") 如果遇到无 “IAM 角色”的问题,那就采用默认配置创建一个新角色即可。 ![image.png](https://dev-media.amazoncloud.cn/ebf0ba2ce4a44b7eb87a5602196552d2_image.png "image.png") 以上步骤完成之后点击“创建笔记本实例”就可以了,点击之后,需要等待一段时间(约5分钟)才能完成创建。 ![image.png](https://dev-media.amazoncloud.cn/3cd471b7885e4a358ed88ad0c4ef99ba_image.png "image.png") 这里已经为大家准备好了相关的代码,打开 [ipynb链接](https://al4x5zumz6.feishu.cn/docx/I7kJdl1W9o6CQ7xd9XgcOkGfn9f?trk=cndc-detail)(https://static.us-east-1.prod.workshops.aws/public/73ea3a9f-37c8-4d01-ae4e-07cf6313adac/static/code/notebook-stable-diffusion-ssh-inference.ipynb), 下载保存Notebook代码文件。 下载好代码(ipynb)文件之后,我们在笔记本实例页面点击“打开Jupyter”,然后上传代码。 ![image.png](https://dev-media.amazoncloud.cn/e6fd3a664f0847459699e31ec8d19ee8_image.png "image.png") 选择好文件后,点击蓝色的 “Upload” 按键,即可完成上传。然后我们打开刚刚上传的notebook,可以看到该文件就是一个完整的 Stable Diffusion 训练代码,这里我们的 run kernel 选择 conda_pytorch_38或conda_pytorch_39,因为机器学习代码是用 pytorch 写的。 ![image.png](https://dev-media.amazoncloud.cn/ccad1802d7f54702995dce44c617bfd7_image.png "image.png") 在这里,我们首先使用 Shift+Enter 运行 1.1 安装及环境配置工作中的两段代码,为接下来的实验配置好环境。 以下是一些使用 Jupyter Notebook 的快捷键汇总。 ![image.png](https://dev-media.amazoncloud.cn/23467c8e720146f58426f761c99209f8_image.png "image.png") ##### 3.2. 利用 Hugging Face 克隆模型 Hugging Face 是一个人工智能/机器学习的开源社区和平台,在 Hugging Face 上有Stable Diffusion V1.4 和 Stable Diffusion V2.1 两个版本,无论使用 V1.4 版本还是 V2.1 版本,我们都要把模型下载下来。 ``` 1 # Clone the Stable Diffusion model from HuggingFace 2 3 #### Stable Diffusion V1 4 SD_SPACE="CompVis/" 5 SD_MODEL = "stable-diffusion-v1-4" 6 7 #### Stable Diffusion V2 8 # SD_SPACE="stabilityai/" 9 # SD_MODEL = "stable-diffusion-2-1" ``` 之后克隆模型仓库,等待模型下载完毕。 ##### 3.3. 了解模型的超参数 在正式训练模型之前,我们来了解一下模型的超参数设置以及它们的含义。 - prompt (str or List[str]): 引导图像生成的文本提示或文本列表 - height (int, optional, 默认为 V1模型可支持到512像素,V2模型可支持到768像素): 生成图像的高度(以像素为单位) - width (int, optional, 默认为 V1模型可支持到512像素,V2模型可支持到768像素): 生成图像的宽度(以像素为单位) - num_inference_steps (int, optional, defaults to 50): 降噪步数。更多的去噪步骤通常会以较慢的推理为代价获得更高质量的图像 - guidance_scale (float, optional, defaults to 7.5): 较高的指导比例会导致图像与提示密切相关,但会牺牲图像质量。 如果指定,它必须是一个浮点数。 guidance_scale<=1 被忽略。 - negative_prompt (str or List[str], optional): 不引导图像生成的文本或文本列表。不使用时忽略,必须与prompt类型一致(不应小于等于1.0) - num_images_per_prompt (int, optional, defaults to 1): 每个提示生成的图像数量 在这其中,height、width和num_images_per_prompt会直接影响到GPU的内存开销。height、width和num_images_per_prompt越大,所需要的GPU开销就越大。 以上是主要要考虑的超参数,如果想进行更精细的调整,可以参考 [pipeline_stable_diffusion.py]( https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/stable_diffusion/pipeline_stable_diffusion.py?trk=cndc-detail ) (https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/stable_diffusion/pipeline_stable_diffusion.py) ,539-593行。 ##### 3.4. 配置和微调 Stable Diffusion 模型 在确定好超参数之后,我们就可以配置并使用刚才微调的模型了。首先使用stableDiffusionPipeline加载stable-diffusion-v1-4(或stable-diffusion-v2-1),即SD_MODEL=stable-diffusion-v1-4 接下来,通过输入 prompts 和调整超参数,我们就可以用 Stable Diffusion 模型来生成图像了,例如: ``` # move Model to the GPU torch.cuda.empty_cache() pipe = pipe.to("cuda") # V1 Max-H:512,Max-W:512 # V2 Max-H:768,Max-W:768 print(datetime.datetime.now()) # 提示词,一句话或者多句话 prompts =[ "An eagle flying in the water", "A pig kite flying in the sky", ] generated_images = pipe( prompt=prompts, height=512, # 生成图像的高度 width=512, # 生成图像的宽度 num_images_per_prompt=1 # 每个提示词生成多少个图像 ).images # image here is in [PIL format](https://pillow.readthedocs.io/en/stable/) print(f"Prompts: {prompts}\n") print(datetime.datetime.now()) for image in generated_images: display(image) ``` 在这里,我们设置了两个提示词: - An eagle flying under the water: 一只在水里翱翔的老鹰 - A pig kite flying in the sky: 一只在天上飞翔的风筝猪 生成的结果如下: ![image.png](https://dev-media.amazoncloud.cn/af7adb8418974138a8173db21e684f56_image.png "image.png") ##### 3.5. 部署和使用训练好的模型 在确定模型可以正常使用之后,我们可以将模型部署到终端节点(Endpoint),这个过程分为两个阶段: - 创建Stable Diffusion模型的推理节点 - 将模型部署到Cloud 9中作为Web应用 Amazon SageMaker 可以让我们将模型构建成自定义的推理脚本,该推理脚本可以直接接收json格式的输入,然后返回生成的图像数据。 ``` # 提交json数据,接收生成的图像数据 response = predictor[SD_MODEL].predict(data={ "prompt": [ "An eagle flying in the water", # "A pig kite flying in the sky", ], "height" : 512, "width" : 512, "num_images_per_prompt":1 } ) # 解码生成的图像 decoded_images = [decode_base64_image(image) for image in response["generated_images"]] #visualize generation for image in decoded_images: display(image) ``` 我们构建的推理脚本将模型的功能解耦成两个函数,实际上就是读取模型以及读取超参数和 prompts: ``` def model_fn(model_dir): # Load stable diffusion and move it to the GPU pipe = StableDiffusionPipeline.from_pretrained(model_dir, torch_dtype=torch.float16) pipe = pipe.to("cuda") return pipe def predict_fn(data, pipe): # get prompt & parameters prompt = data.pop("prompt", "") # set valid HP for stable diffusion height = data.pop("height", 512) width = data.pop("width", 512) num_inference_steps = data.pop("num_inference_steps", 50) guidance_scale = data.pop("guidance_scale", 7.5) num_images_per_prompt = data.pop("num_images_per_prompt", 1) # run generation with parameters generated_images = pipe( prompt=prompt, height=height, width=width, num_inference_steps=num_inference_steps, guidance_scale=guidance_scale, num_images_per_prompt=num_images_per_prompt, )["images"] # create response encoded_images = [] for image in generated_images: buffered = BytesIO() image.save(buffered, format="JPEG") encoded_images.append(base64.b64encode(buffered.getvalue()).decode()) # create response return {"generated_images": encoded_images} 在这之后,我们要使用Hugging Face将stable-diffusion-v1-4模型上传到 Amazon S3桶。 from sagemaker.s3 import S3Uploader sd_model_uri=S3Uploader.upload(local_path=f"{SD_MODEL}.tar.gz", desired_s3_uri=f"s3://{sess.default_bucket()}/stable-diffusion") #init variables huggingface_model = {} predictor = {} from sagemaker.huggingface.model import HuggingFaceModel # create Hugging Face Model Class huggingface_model[SD_MODEL] = HuggingFaceModel( model_data=sd_model_uri, # path to your model and script role=role, # iam role with permissions to create an Endpoint transformers_version="4.17", # transformers version used pytorch_version="1.10", # pytorch version used py_version='py38', # python version used ) # deploy the endpoint endpoint, Estimated time to spend 5min(V1), 8min(V2) predictor[SD_MODEL] = huggingface_model[SD_MODEL].deploy( initial_instance_count=1, instance_type="ml.g4dn.xlarge", endpoint_name=f"{SD_MODEL}-endpoint" ) ``` 到这里为止,我们就已经创建好了 Stable Diffusion 模型的推理节点。然后我们在 Amazon Cloud9 中为模型创建Web应用。 回到控制台主页,在搜索栏搜索 Cloud9,并点击进入服务。 ![image.png](https://dev-media.amazoncloud.cn/43699b3545904a6bbc67c50783094413_image.png "image.png") 然后点击“Create environment”创建 Amazon Cloud9 环境,我们只需要设置环境实例的名称即可,其余保持默认。有几个可调整选项: - lnstance type 是实例的硬件类型,其中 t2.micro 是免费的类型。 - Platform 是操作系统类型。 - Timeout 是实例休眠时间,如果长时间没有访问,它会自动通知服务,防止持续计费。 设置好自己的实例属性之后,点击 Create 即可创建 Cloud9 环境实例。等待实例创建成功,即可点击 “Open” 打开实例 IDE。 之后我们在控制台中输入以下命令: ``` cd ~/environment wget https://static.us-east-1.prod.workshops.aws/public/73ea3a9f-37c8-4d01-ae4e-07cf6313adac/static/code/SampleWebApp.zip unzip SampleWebApp.zip ``` 这是一套简单的Web程序框架,包含: - 后端代码 app.py:接收前端请求并调用 SageMaker Endpoint 将文字生成图片。 - 两个前端html文件 image.html 和 index.html。 ![image.png](https://dev-media.amazoncloud.cn/e1273364c8134e24aa381271555db16b_image.png "image.png") 然后,在控制台中输入命令安装 Flask和boto3。 ``` 1 pip3 install Flask 2 pip3 install boto3 ``` ![image.png](https://dev-media.amazoncloud.cn/5c0044c6f52f43bc9c551134f71956ac_image.png "image.png") 之后在左侧项目文件夹中打开 app.py,运行它。 ![image.png](https://dev-media.amazoncloud.cn/3382cb70fdab44fe8061a384e1c314fb_image.png "image.png") 然后我们点击 Run 按钮左侧的 “Preview”,选择 “Preview Running Application”,就可以预览页面啦。在这个页面上输入 prompt和 width、length,会返回对应生成的图像。 ![image.png](https://dev-media.amazoncloud.cn/7dfc1e59eec54413bd35b70b4372d9d0_image.png "image.png") ##### 3.6. 清理资源 完成实验的运行之后,一定要停止并删除自己创建的 Notebook 和 Cloud9 的所有资源,以确保不会继续计费。当然这一点在 Notebook 的代码 中也提到了,这里再次强调。 ##### 3.7. 整体流程的视频介绍 (1)创建 Amazon SageMaker Notebook 来编写代码和使用模型。 <video src="https://s3.cn-north-1.amazonaws.com.cn/dev-media.amazoncloud.cn/a986632c-28c5-43b7-a536-cb79dd36b11b_%E3%80%90%E4%BA%9A%E9%A9%AC%E9%80%8A%E4%BA%91%E7%A7%91%E6%8A%80%E3%80%91%E5%A6%82%E4%BD%95%E4%BD%BF%E7%94%A8SageMaker+Notebook%E6%90%AD%E5%BB%BA%E8%87%AA%E5%B7%B1%E7%9A%84Stable+Diffusion%E6%A8%A1%E5%9E%8B%EF%BC%9F.mp4" class="bytemdVideo" controls="controls"></video> (2)在 Amazon Cloud9 中为模型创建 Web 应用 <video src="https://s3.cn-north-1.amazonaws.com.cn/dev-media.amazoncloud.cn/5ab3806e-2f1c-4cd9-a4ef-85bd789cd822_%E3%80%90%E4%BA%9A%E9%A9%AC%E9%80%8A%E4%BA%91%E7%A7%91%E6%8A%80%E3%80%91%E6%95%99%E4%BD%A0%E7%94%A8Cloud9%E6%90%AD%E5%BB%BA%E8%87%AA%E5%B7%B1%E7%9A%84Stable+Diffusion%E6%9C%8D%E5%8A%A1.mp4" class="bytemdVideo" controls="controls"></video> ### 4. 对Stable Diffusion模型的评估 由于本次实验不涉及模型的训练,因此超参数或者训练步数对模型性能、过拟合效应的影响无法被反映出来。为了评估模型的性能,我在这里设计了两个实验探究模型在不同情况下的效率区别。 ##### 4.1. CPU和GPU对生成速度的影响 我们选用 ml.t3.medium(2CPU+4G内存)和 ml.g4dn.xlarge(4CPU+16G内存+16G显存)来探究不同设备情况下生成图像速度的区别。对于每一种 stable diffusion 模型,我将 height和 width 设为最大,num_images_per_prompt 设为 1。 | 设备 | stable-diffusion-v1-4 | stable-diffusion-v2-1 | | --- | --- |--- | | ml.t3.medium | 9s | 11s | | ml.g4dn.xlarge | 8s | 9s | 可以观察到,stable-diffusion-v2-1的图像生成速度相对于v1-4略慢,GPU的图像生成速度相对于CPU要快。 ##### 4.2. 超参数对模型性能的影响 在上文中我们已经提到,height、width 和 num_images_per_prompt 会直接影响到GPU 的内存开销。我们在这里选用ml.g4dn.xlarge设备来探究超参数变化对 stable-diffusion-v1-4 模型的图像生成速度会带来怎么样的影响。 | 超参数 | 配置1 | 配置2 | 配置3 | 配置4 | | --- | --- |--- |--- |--- | | height&width | 512 | 256 | 128 | 64 | | num_images_per_prompt | 1 | 1 | 1 | 1 | | 用时 | 8s | 5s | 4s | 4s | 可以观察到,随着生成图像的 height&width 减小,生成图像的用时也在减少,但减少的幅度并非是线性的,可以预见的是,当图像小于128时,继续减小对图像的生成速度不会再有显著的影响。 | 超参数 | 配置1 | 配置2 | 配置3 | 配置4 | | --- | --- |--- |--- |--- | | height&width | 512 | 512 | 512 | 512 | | num_images_per_prompt | 4 | 3 | 2 | 1 | | 用时 | 24s | 20s | 17s | 8s | 可以观察到,随着一次性生成图像数量的增加,生成所需要的时间也会同步增加,两者之间近似成正比关系。 ### 5. 总结 ##### 5.1. 基于Amazon SageMaker搭建的AIGC应用的功能评价 我认为,可以从以下五个方面对Amazon SageMaker的功能进行评价: - 模型训练功能 在 Amazon SageMaker Notebook 中,我们可以直接从 Hugging Face 下载所需要的预训练模型。在本次体验中,我们可以很容易地获取 Stable Diffusion V1.4 和 V2.1 两个版本,并且在使用的过程中,可以很方便地参考文档来理解各个超参数的含义和作用,快速实现模型的微调。 - 模型部署功能 训练好的模型不仅可以很方便地进行使用和微调,Amazon SageMaker 也提供了多种部署教程,例如将模型打包成推理节点,以及使用 Cloud9 服务搭建带有UI的Web应用。 - 速度与易用性 Amazon SageMaker 提供了多种实例类型供用户选择,对于不同的实例设备,可能会有使用体验上的差别,但毫无疑问的是,实例的初始化和使用是十分快捷方便的。 - 生态丰富度 虽然本次体验只带大家完成了AIGC应用的搭建,但Amazon SageMaker还包括了一系列机器学习和人工智能应用以及相对应的IDE,例如还可以基于Amazon SageMaker构建细粒度情感分析应用、使用Amazon SageMaker构建机器学习应用等等。 - 可视化能力 Amazon SageMaker提供了Jupyter Notebook的全部功能,也就具备了实时对表格、图像输出进行可视化的能力。此外在Cloud9服务中,也可以对部署的Web应用进行快速预览。对于JumpStart的训练过程,Amazon SageMaker也提供了监控终端节点的功能。 然而,Stable Diffusion模型本身并不完美,尽管在生成图像方面具有令人印象深刻的性能,但它也存在一些明显的局限性,包括但不限于: - 分辨率不够,尽管v2.1版本相对于v1.4版本在分辨率上有了巨大的提升,但仍然不够,想要生成高质量的图片,需要很长的时间和足够的调试耐心。 - 仅适用英文,如果能加入中文或多语言数据进行训练,会有更广泛的应用场景。 - 对细节的处理不足,所生成的图像第一眼看过去是很惊艳的,但如果放大观察细节部分,会出现很多错位、扭曲的现象。 ##### 5.2. 对开发过程有帮助的产品文档汇总 以上提到的内容的相关介绍以及有关文档可参考: - Amazon SageMaker 入门教程:[https://aws.amazon.com/cn/sagemaker/getting-started/](https://aws.amazon.com/cn/sagemaker/getting-started/?trk=cndc-detail) - Amazon SageMaker产品介绍:[https://aws.amazon.com/cn/sagemaker/](https://aws.amazon.com/cn/sagemaker/?trk=cndc-detail) - Amazon SageMaker产品文档:[https://docs.aws.amazon.com/zh_cn/sagemaker/index.html](https://docs.aws.amazon.com/zh_cn/sagemaker/index.html?trk=cndc-detail) - Stable Diffusion 模型文档(HuggingFace):[https://huggingface.co/spaces/stabilityai/stable-diffusion](https://huggingface.co/spaces/stabilityai/stable-diffusion?trk=cndc-detail) - Stable Diffusion 模型文档(StabilityAI):[https://stability.ai/blog/stable-diffusion-public-release](https://stability.ai/blog/stable-diffusion-public-release?trk=cndc-detail) 通过云上探索实验室,开发者可以学习实践云上技术,同时将自己的技术心得分享给其他开发者小伙伴。一同创造分享,互助启发,玩转云上技术。云上探索实验室不仅是体验的空间,更是分享的平台。 本次亚马逊云科技举办的活动「[云上探索实验室](https://dev.amazoncloud.cn/experience?trk=cndc-detail)」,活动的主题是从实践中探索机器学习边界。一共有三个可体验的教程,分别是:使用 Amazon SageMaker 构建机器学习应用、基于 Amazon SageMaker 构建细粒度情感分析应用、使用 Amazon SageMaker基于 Stable Diffusion 模型,快速搭建你的第一个AIGC应用。开启[云上探索实验室](https://dev.amazoncloud.cn/experience?trk=cndc-detail)([https://dev.amazoncloud.cn/experience](https://dev.amazoncloud.cn/experience?trk=cndc-detail)),和我来一起体验Amazon SageMaker吧。 ![最后.png](https://dev-media.amazoncloud.cn/751b247870034de6990a54d4e4dcad7c_%E6%9C%80%E5%90%8E.png "最后.png")
1
目录
关闭
contact-us