粉丝548获赞5873

哈喽,大家好,我是江大白。在第三节中我们知道了在思考时大老师在不断学习的,就像人工智能的模型训练一样,但是模型为什么可以训练呢?本节课就从这个角度出发,一起看一下艾尔模型是如何训练出来的。 前几年大家一直会听到机器学习这个名词,而这几年比较火的就是人工智能深度学习。 在第三节,我们学习的人工神经网络,而深度学习的概念也是源于人工神经网络,一方面通过模拟人脑来进行分析学习及学习的过程,另一方面模拟人脑来解释图像、声音、文本等数据 及解释过程。所以人工智能一般有两个过程,学习的过程也叫训练过程。另一个解释过程也可以叫测试过程。我们先来看一下训练过程, 通常训练过程分为两个阶段,一是收集数据并标注数据,这些就是你网络的食物。第二阶段,利用数据训练网络模型。 比如刚开始训练时,数据进入神经网络之后,网络会预测一个结果,但并不一定很准确。不过在前面我们已经标注好了正确的信息, 所以通过和标注的结果进行比对,计算出两者之间的差距。有了差距之后,我们就知道怎么调整减少差距了,从而对网络进行反 想,更新,调整网络参数,使得预测的越来越准。比如我们在做一个猫脸检测的项目,我们采集了大量猫的原始图片,并标注出图片上猫脸的位置 及红色的这个框。而在网络训练时,我们将原始的图片输入目标检测网络后,网络会一个预测的位置, 比如蓝色的方框,但是真实的框是红色的框,我们可以看到两者之间存在的位置差异, 通过统计他们的误差及损失函数,就可以反向更新调整神奇网络的参数,然后再不断预测,不断修正,这样经过不断的迭代之后,猫脸检测网络预测的会越来越准, 最终得到一个不错的毛领姐的模型。 而在训练好之后,我们就可以用模型来进行应用了,比如我们在采集到一张小猫的图像, 输入猫脸检测模型之后,通过神经网络对猫脸的位置进行预测,就可以得到比较准确的猫脸取形框了,其猫脸的位置, 这就是人工智能行业模型的训练和测试过程,流程其实并不是很复杂,而且神经网络早就已经存在了,但是深度学习在近几年才真正的发展起来, 之前一直没有太多关注,这是为什么呢?那么下一节课我们再一起来看一下人工智能快速发展背后真正的原因。

怎么训练一个自己的模型?我能想到的一个适合业余选手的快速学习攻略差不多是这样的。第一, 你需要对机器学习 machine learning 的基本原理有个大致的了解,从头开始读教科书就太慢了,而且不容易抓住重点。最好的办法是看网上的视频课程。吴恩达的 crusare 网站有好几门机器学习课, 其中至少有两个是完全入门级的,而且是免费的,想要网站的同学可留言给我。 第二,你需要上手完成一个小项目,前面我们分享过一些项目,我估计这些项目的数据和代码都是现成的,或者你也可以上网找一个现成项目,这一步纯粹是为了练习和找感觉,哪怕你纯粹是照着人家的步骤 一步步操作出来的。当你亲手训练成功了一个 ai, 看着他输出了正确结果的时候,那种欣喜也比打游戏什么的高级多了。在这个过程中,你会体会到一些细节,比如说数据的结构和格式, 怎样把一组数据整理成容易位给 ai 的格式,你得有这个意识才行。第三,也是最大的难点是你需要取得数据, 你想做的项目可能没有现成的数据,就算有数据也往往是非格式化的,不能直接喂给 ai。 为此你必须对数据进行一些预处理,这会花很多功夫。第四步就是正式的训练。好消息是 google、 亚马逊和微软现在都提供标准化的云计算 ai 训练服务,各种工具都是现 成的,基本上上传数据就能开练, meta 还提供了开源的程序包。当然这其中的每一步都有很多细节需要到现场才能搞清楚,必须多搜索多问,但是那些问题往往都有现成的答案, 因为你不是一个人在战斗,你是加入了一个社区,世界上有很多很多人都在做这件事, 而这也说明了一定的英语能力和一定的编程基础的重要性。你不需要精通,达到能用的水平,没有很高的门槛,但是无数的聪明人恰恰就被这两个简单的门槛挡在了门外。

加瓦程序员一定要知道这个 ai 插件,我来给你演示一下他有多么的强大,我们上实操, 这个插件呢,是在 id 当中使用,我们来安装一下,首先我打开 id, 我这已经打开了,然后我们打开菜单栏,找到 settings 这个选项,点击一下, 然后我们再找到 plug 影子这个选项,然后再点击一下,然后呢我们找到 market plus 这个选项,再点击一下,然后在这个搜索框当中输入我们要搜索的插件,这个插件名称叫做通易零码, 我们用拼音来输入同意,我只要输输入同意他就出来了,看见没?第一个就是我们点击 installer, 这个我们来安装一下,好,经过等待,他已经安装完成了,这显示 installer 的,这就表示安装完成了,安装完成以后,我们点击右下角的, ok, 看见没?他已经给我弹出来这个同意零码的这个对话框,然后呢,这提示让我登录,这个是需要登录以后才能使用的啊,如果没有弹出这个来,你只需要重启一下 id 就可以了,那我们这里就直接登录了,好,我已经登录好了, 灯的细节我就不展示了。那个,那么这个同意零码到底怎么用呢?我来演示一下,看到这块了吗?有一个图标,这就是同意零码的图标,我们点一下,他会弹出一个菜单栏来,里面有四个功能,我们 一个一个的演示一下。首先我们来演示一下这个借式代码,我点一下,哎,看到了吗?他会弹出一个这个框来帮我解释这段代码是什么意思,看到了吗?他这已经生成了这段话, 哎,该加函数是一个魅影函数,怎么怎么的,我就不念了啊,他帮我解释一下这个代码是什么意思。好,我们再来看一下第二个功能生成单元测试,哎,这个挺有用的啊,不用我们写单元测试了,我点一下, 哎,看到了吗?他帮我自动生成了一个单元测试,看到没?这块, 这也太牛了,下面还给我写了一些注意事项。好,我们再来演示一下他的第三个功能生成代码注视。哎,他还可以帮我们对代码自动生成注视。 哎,看到了吗?他已经在帮我生成注视了,看到没?定义两个字符串变亮,分别表示整数上升上的,帮我生成好注视了。哎,嗯,这个可以迁移过来的啊,点插入,看见没?他就把你插入到代码当中了。好,我们再来看第四个功能生成优化建议, 他会帮你生成优化建议,告诉你怎么优化这段代码,看到没,潜在的问题与风险异常处理、不足边界条件处理等等等等,然后他会告诉你优化建议,这也太牛了,这个软,这个插件你一定要学会。

这个工具的出现,势必会在整个 ai 行业掀起一层巨浪,他给了所有人自主训练 ai 机器人的机会,有了它,你就可以根据自己的需求和喜好去定制专属你的 ai 机器人。你可以用它训练克服机器人,帮你同时处理大量用户问题。 也可以用它训练你的数字分身,做你的互联网嘴替。当然,你也可以把它训练成导师,为大家解决各种疑难问题。而且整个训练过程非常简单,小白也能轻松使用,你只需要上传数据文件,做好问题焊,回答预测就行。想了解更多工具信息吗?咱们评论区见!

今天教大家训练自己女神的浪漫模型。首先我们需要一些女神的照片,基本要求是面部无遮挡,角度多样,精度越高越好。然后把图片放到这个批量采切的网站,让所有的图片规格统一,在右边可以设置图片的尺寸, 我这里是五百一十二乘五百一十二,然后调整一下图片的位置,就可以点击右边的 c 八, c c 就会把所有的图片都打包后下载下来。新建两个文件夹,一个音,一个二。把下载回来的图片放到一文件夹里面, 启动 stable diffusion, 选择训练,选择图片预处理,把图片的原函目标路径分别对应应和 out, 然后点击预处理就可以了, 你就会在二图文件夹里面看到这些图片。看文本,文本就是 ai 生成的图像 prompt ok, 到这里我们前期的准备工作就完成了,现在开始训练模型,我给大 大家的下载里面包含这两个文件。先安装第二个文件,也就是拍粉,因为我已经安装过,所以这里是这样的,提示你们安装的时候把所有的框都打勾就可以了,安装就是全程下一步就行了。然后打开这个文件夹,右键这个文件,选择使用 pose so 运行, 就会开始下载部署所需的运行环境,这里时间比较久,等一下 much much much later。 部署好以后,在这里新建一个村营的文件夹, 在这里新建一个静香的文件夹,在里面再新建一个同名文件夹,最前面加上数字六,代表我们要迭代六次。然后把刚刚凹出文件夹里的图片汉文本全部放进来,右键这个文件使用文本编辑器编辑。 这里的猫豆是底模型,选择一个你喜欢的就可以把底模型放到这个文件夹里面,注意文件名 一字,这个穿云 data 就是我们刚新建的竞相的文件夹,尺寸跟我们的图片保持一致最大。训练我们填二零 network game 我们选三十二,记住不是越大越好。真人模型我觉得六十四就很好了。 这里是你模型的名字,我选择 jacks, 其他的地方不要动,点保存。最后我们在这个文件上面点右键,选择 power, 稍运行就开始训练了。 much much much later 训练完成,你将会在这个文件夹里面看到你的模型,这些就是生成的模型了。 下一期教你们怎么用吧,看看我们半个小时跑出来的结果怎么样。

自学大模型,一定要知道这一个核心,两个工具。首先啊,让百度拉裤兜去吧,什么东西越火,你现在去搜陷阱也是越多的核心啊,我们叫做 hongling face, 它是现在 lp 当中啊,最大的一个社区,在这里边,你想用什么模型,想跑什么下游任务全给你准备好了。 首先啊,咱们先打开啊,他的官方教程在这里边啊,我们不需要什么数学基础,照着他的教程来,他会一步教你怎么训练模型,怎么驾驶数据,哎,再教你怎么测试,怎么应用,全流程都给你演示一遍,学习入门的成本极低。那第二个工具呢?叫啷颤这件事,啷颤是干什么的? 他呀,相当于就是现在市面上有好多模型,好多工具。但是有个问题,每一个模型,每个工具,我们叫做各自为证吧,你有你的规矩,他有他的规矩,我们想综合的去用这些 工具的时候,就总是连不上一块啊,就是他们也不是互相互通的。狼颤做这样一件事,他跟那个秦始皇扫平六格统一了度量衡其实挺像的,他扫平了整个的大模型。工具啊,就是说你们这些大模型都得来我这集成,我定义好规矩, 咱们以后对于我们用户来说,我们只需要学一套规矩,就可以使用各种各样工具了,办起事来效率极高。 第二工具呢,叫 proft, 这个工具包,它是这样一件事,想一想,我们玩大模型像不像凡人修仙传?这大模型是你普通人能玩的吗?这算的你有吗?这电费你能交得起吗? perfect 啊,他当中帮我们收入了很多比较前沿的算法,这些算法啊都是帮我们去简化计算的,让你只需要很少的一个成本就能撬动起来非常大的一个模。 不行,你看现在这些个博主 up 主是不是都在去炫技啊?我炫什么东西了?都是用破粉这个东西去做的,他帮我们简化计算,让凡人真正的能去修这个仙。

从本节开始,我们会新开一个系列,讲讲捞热模型训练的内容。第一节课,我们一起来看一下如何配置软件并炼制自己的第一个私人定制捞热模型。正文开始训练一个捞热总共分五步,分别是,一、 下载软件二、准备训练级。三、给训练级打标签。四、训练 laura 五、测试 laura 首先下载软件,你需要先下载秋叶的 laura 训练一件安装包,然后再下载一个 stable defusion 的基础一点五模型。 注意,这里最好是下载未经裁剪和微调的原声 sd 一点五模型,否则训练出来的 laura 泛用性会稍微有点差。当然,如果你实在硬盘空间紧张,也可以用之前下载的 sd 一点五模型替代解压 laura 训练一件安装包,路径上最好都 不要有中文。然后将第一步下载好的 sd 一点五的模型移动到 sd models 文件夹, 回到根目录下,双击 a 启动脚本, but 就可以启动软件了。启动完成后会自动在浏览器中打开 s d trainer 软件。到这里环境部分就准备完成了, 这里会有新手和专家两个模式,本节课程主要讲新手模式来训练捞啊。第二步,准备训练级你需要提前准备好二十到三十张训练图像, 比如说相同画风的素材或者同一个人物的图片素材。作为新手课素材不需要要求太多,重点需要每张图片都在五幺二像素乘五幺二像素以上,尽量清晰一点就可以了。接下来你需要将所有的图像处理为统一的尺寸,这里就统一通, 通过 photoshop 将图像处理为了五百一十二乘五百一十二的图像大小,你可以按照自己的习惯对图像进行命名,文件和文件夹都不要出现中文就可以了。复制文件夹的路径 第三步,给训练级的图片打标签在训练模型前,我们需要告诉 ai 每张图画的内容是什么,如果要手动来标记就太麻烦了, 所以 s d trainer 软件直接集成了一键打标签的能力。回到 s d trainer 软件,点击 w d 一点四标签器, 找到路径这一栏,将刚才复制的训练级图片路径粘贴在输入框里,下边的参数都不需要调整,点击启动按钮即可。看到 tiger 任务已提交提示后,就正式进入了自动打标签过程。你可以切换到后台看 下打标签的进展,这个过程一般比较快,看到识别完成就是完成了打标过程。切换到训练级的文件夹,可以看到每张图片后边都多了一个同名的文本文件,打开可以看到描述这张图的标签级。将这个文件夹整体复制或者剪切到 lower scripts 文件夹下的纯文件夹下, 重命名为你自己将要炼制的 lord 的名称,注意还是要用英文或者拼音。第四步,开始模型训练,切换到 lord 训练的新手模式下, 配置底膜文件路径,点击右边的文件夹,找到我们第一部放好的 sd 一点五模型,看到选取成功说明模型配置成功了 训练数据及路径,同样点击右边的文件夹,找到我们第三部放好的文件夹,点击选择文件夹,完成训练级的配置。模型保存名称这里修改为 想要生成捞热模型的名字,其他的参数都不要修改,直接点击开始训练就可以了。看到训练任务已提交,接下来的事情就交给显卡吧。如果不放心,也可以切换到后台,看下任务的执行情况。看到训练完成这行字就说明捞热训练顺利完成了。 打开 laura scripts 文件夹下的 output 文件夹,这个不带编号的文件就是最终训练出来的 laura。 这些带编号的 laura 是过程中产生的 laura 存档,对于 laura 训练来说,不一定最后的才是最好的,有时候过程中的 laura 会比最后的 laura 要好, 所以这些暂时不要删除。这个时候可以关掉 lower 训练的后台了。第五步,测试 lower 效果。我们复制所有的 lower 文件,复制到你 weboy 用来放 lower 的地址下。 为了跟之前常用的 laura 区分开,可以新建一个名为 test 文件夹,并将刚才复制的所有 laura 粘贴进去。启动 will be u i 切换你比较常用的大模型,关掉 fi clip, 中指层数调整为一,输入提示词并选择刚才训练好的 lord。 可以适当降低权重,选择常用负面提示词 embedding。 开启高分辨率修复。点击生成即可查看 lora 的实际效果。 可以切换不同的 lura 和权重,查看每个 lura 的实际影响和效果。还可以将之前训练集中的 tag 输入到 纹身图中进行效果验证。 那么问题来了,有了这么多 lord, 到底哪个才是效果更好的 lord 呢?除了手动测试外,有没有更高效的测试方法呢?其实是有的, 下节课我们来聊下如何高效测试 lora 或者关于 lora 训练。你还想要了解哪些内容,可以留言告诉我。这里是专注 ai 绘画的聚梦小课堂,记得关注我呀!