《满怀美梦的小崽子是pycharm主义者》之服务器部署stable diffusion /diffusers教程

这篇具有很好参考价值的文章主要介绍了《满怀美梦的小崽子是pycharm主义者》之服务器部署stable diffusion /diffusers教程。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

距离上一次教大家在本地部署sd已经过去了........俺也不知道多久了,相信大家现在应该都已经很熟悉了吧,估计大家也发现了一个问题,就是本地的配置跑sd,一个是对配置要求太高了,现在的模型都特别大,没有一张3090根本玩不了,一个是内存啥的根本不够用模型加上各种插件,生成图啥的,分分钟100g上下,普通玩家属实顶不住,别急,今天就教给大家, 如何在服务器上部署一台自己的sd,让大家体验一下小学偷摸上网吧的快感。

vscode与pycharm的安装

虽然如果是用服务器的话,用vscode会比较好,但是,俺是个纯纯的颜值主义者,pycharm的界面比vscode好看一百倍!!!!!

在安装之前,建议大家全程挂上梯子,后面下模型,下插件啥的都是需要外网的,如果没梯子的话,立即推,放弃安装。

注意,本教程是基于windows的,linux系统的安装,俺也不会,建议找找其他教程

vscode安装

vscode官网如下

Visual Studio Code - Code Editing. Redefined

from diffusers.pipelines.stable_diffusion_xl import stablediffusionxlpipelin,stable diffusion,python,服务器,开发语言,pycharm

直接点击Download for windows,一路next,反正是服务器部署,跟本地环境没啥关系

安装完毕以后,大家需要先下载一些插件

from diffusers.pipelines.stable_diffusion_xl import stablediffusionxlpipelin,stable diffusion,python,服务器,开发语言,pycharm

我这里下载了一些自用的插件,如果有同学想在本地做开发的,也可以跟这下,如果只是部署着玩玩,那么就不必全部下载完,只需要下载以下插件即可,在拓展这里直接搜

Chinese

SSH

from diffusers.pipelines.stable_diffusion_xl import stablediffusionxlpipelin,stable diffusion,python,服务器,开发语言,pycharm

界面大概是这样,点击安装即可,我已经安装过了,所以那里显示的是卸载。

pycharm安装

我之前有写过pycharm的安装教程,但是那个是社区版的,社区版其实是不支持远程开发的,所以大家需要下载专业版,不过专业版是需要收费的,相信大家很多人也是因为这个才不下的,没有关系,今天,教给大家一点小妙招。

pycharm官网如下

PyCharm: the Python IDE for Professional Developers by JetBrains

from diffusers.pipelines.stable_diffusion_xl import stablediffusionxlpipelin,stable diffusion,python,服务器,开发语言,pycharm

直接点击那个黑色的DOWNLOAD,下载专业版,中间一路next,啥也不点

进去以后,大概是在这个界面,因为我已经安装过了,所以可能会跟大家不太一样

from diffusers.pipelines.stable_diffusion_xl import stablediffusionxlpipelin,stable diffusion,python,服务器,开发语言,pycharm

总之,他会让你输入激活码,直接微信小程序搜索程序观点,关注,然后给他发送cccc112,你就能拿到了。

激活之后,pycharm的安装就结束了。

服务器租赁与登录

市面上有很多租服务器的地方,这里我仅以autodl为例,官网如下

AutoDL算力云 | 弹性、好用、省钱。租GPU就上AutoDL

大家注册完账号,登录完以后,要充点钱,如果只是玩玩的话,建议充个10块钱的,先试试水,如果实在装不来,也不亏,把服务器关了就完了。

from diffusers.pipelines.stable_diffusion_xl import stablediffusionxlpipelin,stable diffusion,python,服务器,开发语言,pycharm

在算力市场这里,就可以看到各种GPU的价格以及配置,小卡大家就别看了,想跑sd,24g的显存几乎是最低配了,所以建议大家3090起租,不过俺比较阔,所以,这里以V100给大家做个例子。

from diffusers.pipelines.stable_diffusion_xl import stablediffusionxlpipelin,stable diffusion,python,服务器,开发语言,pycharm

在这里我选择了一台V100,并扩了他的数据盘,大家可以按照自己的情况,选择扩还是不扩,关于镜像的选择,就选择基础镜像,按照我这个配置选择即可。然后点击立即创建。

from diffusers.pipelines.stable_diffusion_xl import stablediffusionxlpipelin,stable diffusion,python,服务器,开发语言,pycharm

直接警告,nice

这里其实也涉及到后面如果大家需要用到服务器开发的时候,会遇到的问题之一,就是在更换镜像的时候,一定要看好你选择的镜像的cuda版本,和你选的服务器最高支持的cuda版本对不对的上,如果对不上的话,就大概率开不了机,那你就只能去jupyter里把代码拷出来了,如果你还在里面训了模型,那就只有选择一个最低版本的镜像,先开机再说,不过里面的程序大概率是跑不起来了。

from diffusers.pipelines.stable_diffusion_xl import stablediffusionxlpipelin,stable diffusion,python,服务器,开发语言,pycharm

开完机子以后,大家就会跳转到这个界面,到这里,服务器的租赁就完成了(确实是没有V100的机子了,只能破费租台A40了)

vscode登录

打开vscode,刚才已经让大家安装过ssh了,在左边会看到这样一个图标

from diffusers.pipelines.stable_diffusion_xl import stablediffusionxlpipelin,stable diffusion,python,服务器,开发语言,pycharm

点开以后,在上面点击那个加号

from diffusers.pipelines.stable_diffusion_xl import stablediffusionxlpipelin,stable diffusion,python,服务器,开发语言,pycharm

from diffusers.pipelines.stable_diffusion_xl import stablediffusionxlpipelin,stable diffusion,python,服务器,开发语言,pycharm

在这里,输入你的ssh登录指令,然后进入,你的ssh登录账户以及密码都在autodl这里

from diffusers.pipelines.stable_diffusion_xl import stablediffusionxlpipelin,stable diffusion,python,服务器,开发语言,pycharm

复制过去,进入以后,点第一个

from diffusers.pipelines.stable_diffusion_xl import stablediffusionxlpipelin,stable diffusion,python,服务器,开发语言,pycharm

右下角会弹出一个小窗口,点击连接

from diffusers.pipelines.stable_diffusion_xl import stablediffusionxlpipelin,stable diffusion,python,服务器,开发语言,pycharm

选Linux以后输入密码,登录

from diffusers.pipelines.stable_diffusion_xl import stablediffusionxlpipelin,stable diffusion,python,服务器,开发语言,pycharm

点击左边那一排的第一个,进入文件夹,进去以后,会让你再输一次密码

from diffusers.pipelines.stable_diffusion_xl import stablediffusionxlpipelin,stable diffusion,python,服务器,开发语言,pycharm

进来以后,你的界面应该是这样,点击左下角的第二个地方,就是有个感叹号那里,进入终端

from diffusers.pipelines.stable_diffusion_xl import stablediffusionxlpipelin,stable diffusion,python,服务器,开发语言,pycharm

到这里,vscode就登录成功了。

pycharm登录

pycharm的登录会比较麻烦,但是,pycharm的界面比vscode好看一百倍!!!!!!!!

点击文件,下面有个远程开发,进来以后,就是以下界面

from diffusers.pipelines.stable_diffusion_xl import stablediffusionxlpipelin,stable diffusion,python,服务器,开发语言,pycharm

点击ssh下面那个新建连接,如果大家刚才vscode登录成功的话,就会知道,把那个账户复制过来,里面是有用户名,端口号,以及主机名的,大家按照以下方式分别复制到里面即可

from diffusers.pipelines.stable_diffusion_xl import stablediffusionxlpipelin,stable diffusion,python,服务器,开发语言,pycharm

点击检查连接

from diffusers.pipelines.stable_diffusion_xl import stablediffusionxlpipelin,stable diffusion,python,服务器,开发语言,pycharm

输入密码

from diffusers.pipelines.stable_diffusion_xl import stablediffusionxlpipelin,stable diffusion,python,服务器,开发语言,pycharm

在项目目录这里选择autodl-tmp,然后点击确定,下载IDE并连接

from diffusers.pipelines.stable_diffusion_xl import stablediffusionxlpipelin,stable diffusion,python,服务器,开发语言,pycharm

还要再输一次密码,干

from diffusers.pipelines.stable_diffusion_xl import stablediffusionxlpipelin,stable diffusion,python,服务器,开发语言,pycharm

然后等他下载完

from diffusers.pipelines.stable_diffusion_xl import stablediffusionxlpipelin,stable diffusion,python,服务器,开发语言,pycharm

到这里,pycharm就登录完成啦!左下角那一排第二个,进入终端。

sd服务器部署

为了表示我对pycharm的绝对忠诚,这里我将全程用pycharm教大家如何在服务器部署sd

下面大家按照我的指令一条一条执行即可。

挂上学术加速

source /etc/network_turbo
echo '54.192.18.37 huggingface.co' >> /etc/hosts

从git上拉取sd项目

git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git

在/root/autodl-tmp/stable-diffusion-webui/webui.sh路径下找到webui.sh文件,在他的68行

# this script cannot be run as root by default
can_run_as_root=0

 把0改成1,然后继续在终端执行以下指令

给进入sd路径下,./webui.sh文件权限

cd stable-diffusion-webui
chmod +x ./webui.sh

再执行该脚本

./webui.sh

这里安装时间会比较长,不同服务器速度也不一样,大家耐心等待即可。

from diffusers.pipelines.stable_diffusion_xl import stablediffusionxlpipelin,stable diffusion,python,服务器,开发语言,pycharm

这下载速度,我只能说,在本地想都不敢想

from diffusers.pipelines.stable_diffusion_xl import stablediffusionxlpipelin,stable diffusion,python,服务器,开发语言,pycharm

在这里把7860端口号加上,就可以从本地进入webui啦

from diffusers.pipelines.stable_diffusion_xl import stablediffusionxlpipelin,stable diffusion,python,服务器,开发语言,pycharm

from diffusers.pipelines.stable_diffusion_xl import stablediffusionxlpipelin,stable diffusion,python,服务器,开发语言,pycharm

芜湖,起飞!

后面还有一些插件啥的,我这里就不再赘述了,我把链接放下面,大家自行下载即可。

中文插件

GitHub - dtlnor/stable-diffusion-webui-localization-zh_CN: Simplified Chinese translation extension for AUTOMATIC1111's stable diffusion webui

 面部修复插件

https://github.com/Bing-su/adetailer.git

关键词整理插件

https://github.com/Physton/sd-webui-prompt-all-in-one.git

动态阈值插件

https://github.com/mcmonkeyprojects/sd-dynamic-thresholding.git

比例控制插件

https://github.com/thomasasfk/sd-webui-aspect-ratio-helper.git

controlnet插件

https://github.com/Mikubill/sd-webui-controlnet.git

segment-anything 插件(做蒙版的)

https://github.com/continue-revolution/sd-webui-segment-anything.git

还有两个下模型的网站

liblib

www.liblibai.com

civitai

Civitai

diffusers服务器部署

后面就是开发教程了,如果只是玩玩的话,这里就可以退出了,上面的内容如果大家都已经实现了,其实已经有很多东西可以慢慢玩了。如果想要做diffusers的开发的话,下面的教程可以简单的帮大家入个门

diffusers的模型是可以下载到本地的,大家可以去huggingface上下载,这里我把diffusers的官网给大家

Stable Diffusion XL (huggingface.co)

huggingface对国内的服务器有随机污染,连不上很正常,所以如果大家要做开发的话,还是建议下载到本地。

模型加载

from diffusers import StableDiffusionXLPipeline, StableDiffusionXLImg2ImgPipeline
import torch

#从huggingface上的模型加载,这里要把整个包都下载下来,少则6g,大的话得有20个g,不建议用这种方式加载
pipeline = StableDiffusionXLPipeline.from_pretrained("stabilityai/stable-diffusion-xl-base-1.0",#模型地址
                                                     torch_dtype=torch.float16,
                                                     variant="fp16",
                                                     use_safetensors=True,
                                                     safety_checker= None).to("cuda")

#从ckpt文件加载模型,这里的模型可以直接从civitai上下载,跟webui的模型是通用的
pipeline = StableDiffusionXLImg2ImgPipeline.from_single_file("/root/autodl-tmp/stable-diffusion-webui/models/Stable-diffusion/v1-5-pruned-emaonly.safetensors",
                                                            torch_dtype=torch.float16,
                                                            use_safetensors=True,
                                                            variant="fp16",
                                                            safety_checker= None).to("cuda")

简单的文生图

from diffusers import StableDiffusionXLPipeline, StableDiffusionXLImg2ImgPipeline
import torch
from PIL import Image

#从ckpt文件加载模型,这里的模型可以直接从civitai上下载,跟webui的模型是通用的
pipeline = StableDiffusionXLPipeline.from_single_file("/root/autodl-tmp/stable-diffusion-webui/models/Stable-diffusion/v1-5-pruned-emaonly.safetensors",
                                                            torch_dtype=torch.float16,
                                                            use_safetensors=True,
                                                            variant="fp16",
                                                            safety_checker= None).to("cuda")


prompt = "Astronaut in a jungle, cold color palette, muted colors, detailed, 8k"
image = pipeline(prompt=prompt).images[0]
image.save('succ.png')

简单的图生图

from diffusers import StableDiffusionXLPipeline, StableDiffusionXLImg2ImgPipeline
import torch
from PIL import Image

#从ckpt文件加载模型,这里的模型可以直接从civitai上下载,跟webui的模型是通用的
pipeline = StableDiffusionXLImg2ImgPipeline.from_single_file("/root/autodl-tmp/stable-diffusion-webui/models/Stable-diffusion/v1-5-pruned-emaonly.safetensors",
                                                            torch_dtype=torch.float16,
                                                            use_safetensors=True,
                                                            variant="fp16",
                                                            safety_checker= None).to("cuda")


init_image = Image.open('txt.png')#这里放上你本地的一张图片的地址
prompt = "a dog catching a frisbee in the jungle"
fin = pipeline(prompt,
               image=init_image,
               strength=0.8,
               guidance_scale=10.5).images[0]

fin.save('succ.png')

简单的蒙版重绘

from diffusers import StableDiffusionInpaintPipeline
import torch


device = "cuda"
pipe = StableDiffusionInpaintPipeline.from_pretrained("./majicMIX_realistic_v6",
                                                    torch_dtype=torch.float16,
                                                    use_safetensors=True,
                                                    safety_checker=None).to(device)

mask = matting(image)#我接了个蒙版算法在这,分割算法多的是,你们得自己在这里接一个蒙版算法进来
pos_prompt = "film, nikon RAW photo, 8 k, Fujifilm XT3" 
neg_prompt = "paintings, sketches, (low quality:2), (normal quality:2), lowres, normal quality"
width,height = image.size

out = pipe(
        prompt=pos_prompt,
        negative_prompt=neg_prompt,          
        image = image,
        mask_image = mask,
        width =width,
        height = height,
        strength=0.75, 
        guidance_scale=7.5,
        ).images[0]  
    
out.save('succ.png')

加个lora

from diffusers import DiffusionPipeline
import torch


pipe = DiffusionPipeline.from_pretrained("./Photon_v1",
                                            use_safetensors=True,
                                            torch_dtype=torch.float16,
                                            safety_checker=None).to("cuda")

#lora加载
pipe.load_lora_weights("./lora/", weight_name="asian_man.safetensors",scale = 0.2)

generator = torch.Generator(device="cuda").manual_seed(0)
out = pipe(
            prompt = "beautiful girl",
            negative_prompt = "nsfw",
            generator = generator
            ).images[0]

out.save('succ.png')

突破clip长度限制,把关键词编码

from diffusers import DiffusionPipeline
import torch


def embedding_create(prompt):
    tokenizer = CLIPTokenizer.from_pretrained("./majicMIX_realistic_v6/tokenizer")
    text_encoder = CLIPTextModel.from_pretrained("./majicMIX_realistic_v6/text_encoder")
    text_input = tokenizer(
        prompt, padding="max_length", max_length=tokenizer.model_max_length, truncation=True, return_tensors="pt"
    )
    with torch.no_grad():
        text_embeddings = text_encoder(text_input.input_ids)[0]
    return text_embeddings


pipe = DiffusionPipeline.from_pretrained("./Photon_v1",
                                            use_safetensors=True,
                                            torch_dtype=torch.float16,
                                            safety_checker=None).to("cuda")

pos_prompt = "balabalabala..................................................."
neg_prompt = "balabalabala..................................................."
pos_embeds = embedding_create(pos_prompt)
neg_embeds = embedding_create(neg_prompt)

generator = torch.Generator(device="cuda").manual_seed(0)
out = pipe(
            prompt_embeds=pos_embeds,
            negative_prompt_embeds=neg_embeds,
            generator = generator
            ).images[0]

out.save('succ.png')

加入controlnet

from diffusers import StableDiffusionControlNetInpaintPipeline
import torch


controlnet = ControlNetModel.from_pretrained("./sd-controlnet-canny", torch_dtype=torch.float16,
                                                   Conditioning_scale=0.5,timestep = 15)

pipe = StableDiffusionControlNetInpaintPipeline.from_pretrained("./majicMIX_realistic_v6",
                                                                controlnet=controlnet,
                                                                torch_dtype=torch.float16,
                                                                safety_checker=None,
                                                                use_safetensors= True).to("cuda")

generator = torch.Generator(device="cuda").manual_seed(0)
#这里一共要进三张图,分别是原图,蒙版,以及controlnet的图,注意,这里面controlnet的图是不会帮你做预处理的,所以得自己想办法
out = pipe(
            image = image,
            prompt_embeds=pos_embeds,
            negative_prompt_embeds=neg_embeds,
            generator = generator,
            mask_image=mask_image,
            control_image=controlnet_image,
            ).images[0]

out.save('succ.png')

后面还有其他花里胡哨的东西,就等大家自己去看文档了,包括prompt的权重设置,sheduler的一些参数配置,以及社区管道的加载与贡献等,我这里就不一一赘述了,diffusers会比webui更加底层,如果有想做开发的同学,可以先从这里入手,先实现一些简单的功能,再去看huggingface。文章来源地址https://www.toymoban.com/news/detail-761417.html

到了这里,关于《满怀美梦的小崽子是pycharm主义者》之服务器部署stable diffusion /diffusers教程的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Tkinter:实用至上主义的经典之作

    Tkinter是Python自带的GUI库,Python的IDEL就是Tkinter的应用实例。Tkinter可以看作是Tk和inter的合体。词根inter之意不言自明,而Tk则是工具控制语言Tcl(Tool Command Language)的一个图形工具箱的扩展,它提供各种标准的GUI接口。 和其他GUI库相比,Tkinter有一个与生俱来的优势:无需安装

    2023年04月08日
    浏览(33)
  • VanillaNet:深度学习极简主义的力量

    基础模型的核心是“更多不同”的理念,计算机视觉和自然语言处理方面的出色表现就是例证。然而,Transformer模型的优化和固有复杂性的挑战要求范式向简单性转变。在本文中,我们介绍了VanillaNET,这是一种设计优雅的神经网络架构。通过避免高深度、shortcuts和自注意力等

    2024年02月07日
    浏览(44)
  • 应对不断变化的世界秩序:自治资本主义

    此文由bingage777原创,转载请注明出处。 “  每个人都有不同的能力圈,重要的不是这个圈子有多大,重要的是留在圈子里的人 ”  ——沃伦·巴菲特 去中心化是指将控制和决策从集中的实体(个人、组织或团体)转移到分布式网络。 自治是指强大且最终的自治操作系统,理

    2024年02月01日
    浏览(50)
  • 小型极简主义 Linux 发行版:Peropesis

    Peropesis 是 personal operating system 的转写简拼,一个小型、极简主义、基于命令行的 Linux 操作系统。目前仍是一个不完整的系统,但它正在不断改进。 此外,它是一个由自由软件创建的自由操作系统,在 GNU GPL 或 BSD 许可下分发。 2023年4月26日,该项目更新了最新的 Peropesis

    2024年02月09日
    浏览(32)
  • 【哈佛积极心理学笔记】第6讲 乐观主义

    第6讲 乐观主义 How can we create consciously and subconsciously a positive environment, where we actually can take out the most moral, the most successful self to appreciate that self. Create a powerful positive situation to bring out the best in people. Power of the positive situation. Priming is can be done on the conscious or subconscious level Self

    2024年02月08日
    浏览(37)
  • 【译】康德先验唯心主义与AI的题外话

    原作:FNTGAI 引言:我发誓,与人工智能完全相关。   这个博客主要讨论人工智能。然而,值得花点时间讨论康德的先验概念,因为围绕AI认识论(AI如何学习事物)的大部分混乱都可以追溯到对该词的误解。在本文的结尾,我们会回到AI。 康德是西方哲学中最重要的,甚至可

    2024年02月20日
    浏览(29)
  • 国科大《高级人工智能》沈老师部分——行为主义笔记

    国科大《高级人工智能》沈老师部分——行为主义笔记 沈华伟老师yyds,每次上他的课都有一种深入浅出的感觉,他能够把很难的东西讲的很简单,听完就是醍醐灌顶,理解起来特别清晰 今年考试题目这部分跟往年基本一样,沈老师画的重点才是真的重点 思想:局部随机搜索

    2024年01月16日
    浏览(49)
  • 【机器学习】符号主义类模型:解码智能的逻辑之钥

    在人工智能的广阔领域中,符号主义类模型以其独特的逻辑推理方式,为智能模拟开辟了一条新路径。这一理论坚信,人类与计算机同属于物理符号系统,因此,通过构建规则库和推理引擎,我们可以将人类的逻辑思维编码成计算机可识别的符号操作,进而模拟人的认知过程

    2024年04月25日
    浏览(40)
  • 路径规划算法:基于帝国主义竞争优化的路径规划算法- 附代码

    摘要:本文主要介绍利用智能优化算法帝国主义竞争算法来进行路径规划。 帝国主义竞争算法原理请参考:https://blog.csdn.net/u011835903/article/details/108517210 1.1 环境设定 在移动机器人的路径优化中,每个优化算法的解代表机器人的一条运动路径。优化算法会通过优化计算在众多

    2024年02月06日
    浏览(55)
  • 【高级人工智能】国科大《高级人工智能》符号主义笔记 + 考试记忆版

    国科大《高级人工智能》罗老师部分——符号主义笔记 罗老师上课很有意思,但是这部分内容还是挺难理解的,需要仔细思考 今年考试题目这部分跟往年不一样,老师讲的重点(A搜索+归结原理)也没考😅 逻辑:表示信息以便得出结论的形式语言 语法:定义语言中的句子

    2024年02月02日
    浏览(51)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包