目錄

Amazon SageMaker簡(jiǎn)介

Amazon SageMaker在控制臺(tái)的使用

模型的各項(xiàng)參數(shù)

pytorch訓(xùn)練繪圖部分代碼

---

Amazon SageMaker簡(jiǎn)介

亞馬遜SageMaker是一種完全托管的機(jī)器學(xué)習(xí)服務(wù)。借助 SageMaker，數(shù)據(jù)科學(xué)家和開發(fā)人員可以快速、輕松地構(gòu)建和訓(xùn)練機(jī)器學(xué)習(xí)模型，然后直接將模型部署到生產(chǎn)就緒托管環(huán)境中。它提供了一個(gè)集成的 Jupyter 編寫 Notebook 實(shí)例，供您輕松訪問數(shù)據(jù)源以便進(jìn)行探索和分析，因此您無(wú)需管理服務(wù)器。此外，它還可以提供常見的機(jī)器學(xué)習(xí)算法，這些算法經(jīng)過了優(yōu)化，可以在分布式環(huán)境中高效處理非常大的數(shù)據(jù)。借助對(duì)bring-your-own-algorithms和框架的本地支持，SageMaker提供靈活的分布式訓(xùn)練選項(xiàng)，可根據(jù)您的特定工作流程進(jìn)行調(diào)整?？梢詮?SageMaker Studio 或 SageMaker 控制臺(tái)中單擊幾下鼠標(biāo)按鈕以啟動(dòng)模型，以將該模型部署到安全且可擴(kuò)展的環(huán)境中。

Amazon SageMaker在控制臺(tái)的使用

• 創(chuàng)建Amazon SageMaker

在亞馬遜云科技首頁(yè)，我們登錄賬號(hào)之后在搜索欄輸入Amazon SageMaker之后，我們點(diǎn)擊第一個(gè)服務(wù)進(jìn)入Amazon SageMaker服務(wù)選在控制面板。

• 進(jìn)入服務(wù)的控制面板之后我們選擇我們的服務(wù)設(shè)備

我們這里選擇筆記本實(shí)例，當(dāng)然要是有其他需求的小伙伴可以自行選擇其他，因?yàn)槲覀冞@里時(shí)筆記本所以我就選擇的時(shí)筆記本實(shí)例。然后點(diǎn)擊創(chuàng)建筆記本實(shí)例即可進(jìn)行下一步。

• 進(jìn)入筆記本實(shí)例設(shè)置里面需要填入一下信息：

• 1. 筆記本實(shí)例名稱

  2. 筆記本實(shí)例類型

  3. Elastic Inference

  4. 平臺(tái)標(biāo)識(shí)符

  5. 生命周期配置

  6. 卷大小

  7. 最低IMDS版本等

• 設(shè)置好之后進(jìn)入創(chuàng)建IAM角色控制面板，完成創(chuàng)建角色。

• 創(chuàng)建完成之后返回筆記本實(shí)例控制面板，完成筆記本實(shí)例的創(chuàng)建。

• 下載好代碼（ipynb）文件之后，我們?cè)诠P記本實(shí)例頁(yè)面點(diǎn)擊“打開Jupyter”，然后上傳代碼。選擇好文件后，點(diǎn)擊藍(lán)色的“Upload”按鍵，即可完成上傳。然后我們打開剛剛上傳的notebook，可以看到該文件就是一個(gè)完整的Stable Diffusion訓(xùn)練代碼，這里我們的run kernel選擇conda_pytorch_38或conda_pytorch_39，因?yàn)闄C(jī)器學(xué)習(xí)代碼是用pytorch寫的。

模型的各項(xiàng)參數(shù)

• prompt (str or List[str]): 引導(dǎo)圖像生成的文本提示或文本列表

• height (int, optional, 默認(rèn)為 V1模型可支持到512像素，V2模型可支持到768像素): 生成圖像的高度（以像素為單位）

• width (int, optional, 默認(rèn)為 V1模型可支持到512像素，V2模型可支持到768像素): 生成圖像的寬度（以像素為單位）

• num_inference_steps (int, optional, defaults to 50): 降噪步數(shù)。更多的去噪步驟通常會(huì)以較慢的推理為代價(jià)獲得更高質(zhì)量的圖像

• guidance_scale (float, optional, defaults to 7.5): 較高的指導(dǎo)比例會(huì)導(dǎo)致圖像與提示密切相關(guān)，但會(huì)犧牲圖像質(zhì)量。 如果指定，它必須是一個(gè)浮點(diǎn)數(shù)。 guidance_scale<=1 被忽略。

• negative_prompt (str or List[str], optional): 不引導(dǎo)圖像生成的文本或文本列表。不使用時(shí)忽略，必須與prompt類型一致（不應(yīng)小于等于1.0）

• num_images_per_prompt (int, optional, defaults to 1): 每個(gè)提示生成的圖像數(shù)量

pytorch訓(xùn)練繪圖部分代碼

# 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())
# 提示詞，一句話或者多句話
prompts =["Dream far away","A singer who is singing",
]
generated_images = pipe(prompt=prompts,height=512, # 生成圖像的高度width=512, # 生成圖像的寬度num_images_per_prompt=1 # 每個(gè)提示詞生成多少個(gè)圖像
).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)

在這里，我們?cè)O(shè)置了兩個(gè)提示詞：

• Dream far away：夢(mèng)想遠(yuǎn)方

• A singer who is singing：一個(gè)正在唱歌的歌手

生成結(jié)構(gòu)如下：