أطلق العنان لإبداعك مع نماذج LoRA Stable Diffusion. تابع مدونتنا لإنشاء نموذج تدريب LoRA الخاص بك.
أبرز النقاط
- LoRA هي طريقة أكثر كفاءة لضبط نماذج Stable Diffusion.
- نماذج LoRA (1-6 ميجابايت) أسهل في المشاركة والتوزيع.
- يمكنك بسهولة العثور على العديد من نماذج LoRA على Civitai و Hugging Face.
- توفر Novita AI واجهات برمجة تطبيقات لنماذج تدريب LoRA للمطورين مثلك لإنشاء نماذج LoRA الخاصة بك.
- LoRA أفضل من Dreambooth و textual inversion في ضبط Stable Diffusion.
مقدمة
نموذج LoRA Stable Diffusion هو نهج مبتكر في مجال المحتوى المُنشأ بالذكاء الاصطناعي، حيث يستخدم مفهوم التكيف منخفض الرتبة لضبط نماذج Stable Diffusion الحالية، مما يسمح بتخصيص فعال للصور المُنشأة بالذكاء الاصطناعي وفقًا لأنماط أو شخصيات أو تفضيلات فنية محددة.
في هذه المدونة، سنقدم لك مقدمة شاملة لنماذج LoRA ونعلمك كيفية العثور على LoRA واستخدامها لتدريب نماذج Stable Diffusion. علاوة على ذلك، سنقدم لك طريقة مخصصة لإنشاء نماذج تدريب LoRA الخاصة بك باستخدام واجهات برمجة تطبيقات Novita AI. دعنا نغوص في عالم LoRA Stable Diffusion الآن!
نظرة عامة على LoRA (التكيف منخفض الرتبة)
LoRA (Low-Rank Adaptation) هي تقنية تدريب لضبط نماذج Stable Diffusion.
ما هي LoRA؟
LoRA تعني “التكيف منخفض الرتبة”، وهي تقنية جديدة قدمها باحثو Microsoft لمعالجة مشكلة ضبط نماذج اللغة الكبيرة (LLMs).
بينما، في سياق Stable Diffusion، فهي تقنية لضبط نماذج Stable Diffusion بكفاءة. نماذج LoRA Stable Diffusion مضغوطة وتسمح بتطبيق تعديلات دقيقة لكنها مؤثرة على نماذج نقاط التحكم القياسية، مما يجعلها أصغر بكثير، عادةً من 10 إلى 100 مرة أصغر من النماذج الأصلية.
كيف تعمل LoRA؟
LoRA هي تقنية تجعل نماذج Stable Diffusion أكثر قابلية للتكيف دون الحاجة إلى إعادة تدريب النموذج بأكمله. بدلاً من ذلك، تضيف بعض الأوزان الجديدة إلى الأجزاء الرئيسية من النموذج التي تتعامل مع كيفية تفاعل الصور والنص. يتم جعل هذا التغيير أكثر كفاءة باستخدام طريقة تسمى تحليل الرتبة، والتي تبسط هيكل وزن النموذج. والنتيجة هي نموذج أصغر حجمًا ومخصص يحتفظ بقدراته الأصلية ولكنه يمكنه أيضًا التركيز على مهام محددة. ثم يتم استخدام هذا النموذج جنبًا إلى جنب مع نقطة التحكم للنموذج الأصلي لإنشاء صور تطابق أنماطًا أو أفكارًا معينة.
نقاط رئيسية حول نماذج LoRA
قبل استخدام نماذج LoRA، من الضروري معرفة سبب استخدامها والأنواع المختلفة لها.
ميزات نماذج LoRA
- دعم inpainting.
- ضبط متجه متعدد الاستدعاءات جاهز للاستخدام.
- الكفاءة: تتطلب LoRA قوة حوسبة وذاكرة أقل، مما يجعلها أكثر كفاءة لتدريب النماذج الكبيرة.
- تعديلات مستهدفة: تركز على تعديل طبقات cross-attention بدلاً من النموذج بأكمله، مما يؤدي إلى تحكم أكثر دقة في سلوك النموذج.
- التوافق: تم تصميم نماذج LoRA للعمل جنبًا إلى جنب مع نقاط التحكم للنموذج الأصلي، مما يضمن التوافق وسهولة الاستخدام.
- سهولة المشاركة: الحجم الصغير لنماذج LoRA (1-6 ميجابايت) يجعلها سهلة المشاركة والتوزيع.
أمثلة على نماذج LoRA
بناءً على الوظائف المختلفة لنماذج LoRA، يمكننا تقسيمها إلى الأنواع التالية:
- LoRA الشخصية: نماذج LoRA الشخصية مضبوطة لالتقاط الجوانب البصرية المميزة، والبنية الجسدية، وتعبيرات الوجه لشخصيات معينة من الرسوم المتحركة، وألعاب الفيديو، ومنصات الترفيه الأخرى. فهي مفيدة في إنتاج فن المعجبين، وتعزيز عمليات تطوير الألعاب، وتلبية احتياجات صناعات الرسوم المتحركة والتوضيح.
- LoRA الأسلوبية: نماذج LoRA الأسلوبية مضبوطة لمحاكاة التقنيات الفنية أو الأساليب المميزة لفنانين معينين، مما يتيح إنشاء صور تعكس تلك الجماليات المحددة. غالبًا ما تُستخدم لإضفاء لمسة بصرية فريدة على صورة مرجعية، لتتوافق مع أسلوب فني مختار.
أين تجد وتستخدم نماذج LoRA
تنزيل ملفات نماذج LoRA على Civitai أو Hugging Face
Civitai هو موقع يستضيف مجموعة كبيرة من نماذج LoRA، و Hugging Face هو أيضًا مصدر شهير لمكتبات LoRA. يمكنك بسهولة العثور على العديد من نماذج LoRA على هذين الموقعين، بالبحث من خلال زيارة موقعهما على الويب.
استخدام نموذج LoRA في واجهة AUTOMATIC1111 Stable Diffusion
- تثبيت نماذج LoRA: كل ما عليك فعله هو وضع ملفات النموذج في المجلد التالي.
stable-diffusion-webui/models/Lora
- استخدام LoRA في المطالبة: استخدم الصيغة التالية في المطالبة أو المطالبة السلبية لإضافة LoRA مع وزن.
<lora: name: weight>
تدريب نموذج LoRA الخاص بك لضبطه باستخدام Novita AI
في Stable Diffusion، هناك العديد من النماذج المتشابهة في البنية والخط لكنها مختلفة في المخرجات. لذا، فإن نموذج LoRA لضبط Stable Diffusion متنوع أيضًا. علاوة على ذلك، LoRA ليس نموذجًا كاملاً، بل هو إضافة. وهذا يعني أنه يمكنك إنشاء نموذج LoRA الخاص بك، و"تعليمه" وتدريبه على أي مفاهيم باستمرار وفقًا لاحتياجاتك.
إذا كنت ترغب في إنشاء LoRA الخاص بك، يمكنك دمج واجهات برمجة التطبيقات في برنامجك الخاص. Novita AI هي منصة كهذه تقدم للمطورين مثلك واجهات برمجة تطبيقات لإنشاء نموذج LoRA فريد وملعبًا لتدريب نماذج LoRA الخاصة بك. نظرًا لأن جميع التدريبات ستكون مكثفة حسابيًا، تأكد من أن لديك جهازًا مزودًا بـ GPU للمتابعة.
العثور على واجهات برمجة تطبيقات حول تدريب LoRA
- الخطوة 1: قم بزيارة موقع Novita AI وأنشئ حسابًا.
- الخطوة 2: انتقل إلى “API” وابحث عن واجهات برمجة تطبيقات تدريب LoRA تحت علامة التبويب “Training”. توفر Novita AI كلاً من “LoRA for subject training” و “LoRA for style training”، والتي يمكنك استخدامها لتدريب كل من LoRA الشخصية و LoRA الأسلوبية.
- الخطوة 3: ابدأ تدريب نموذج LoRA الخاص بك.
بدء تدريب نموذج LoRA
بعد الحصول على مفتاح API لـ Novita AI، يمكنك البدء في تدريب نموذج LoRA الخاص بك. لنأخذ “LoRA for subject training” كمثال لتوضيح كيفية تدريب النموذج.
- الخطوة 1: رفع الصور لتدريب النموذج. احصل على رابط رفع الصورة وضعه في المجلد التالي. تدعم كل مهمة رفع حتى 50 صورة. للحصول على نتيجة نهائية جيدة، يجب أن تستوفي الصور المرفوعة بعض الشروط الأساسية، مثل: “صورة شخصية في المنتصف”، “بدون علامة مائية”، “صورة واضحة”، إلخ.
curl -X PUT -T “{{filepath}}” “{{upload_url}}”
- الخطوة 2: تكوين المعاملات. هناك أربعة أنواع من المعاملات لتدريب النموذج: معاملات معلومات النموذج، معاملات مجموعة البيانات، معاملات المكونات، ومعاملات الخبراء. قم بتكوين المعاملات وفقًا لاحتياجاتك.
- الخطوة 3: بدء مهمة التدريب. توفر Novita AI ملعب تدريب سهل الاستخدام لتدريب النموذج الخاص بك. ما عليك سوى إدخال مفتاح API لـ Novita AI واتباع الخطوات في الصورة التالية، ثم يمكنك مراجعة نتيجة التدريب.
- الخطوة 4: الحصول على حالة التدريب. أدخل الأمر أدناه للحصول على تقدم تدريب النموذج وحالة نشر النموذج بعد التدريب.
curl — location — request GET ‘training task_id’ \ — header ‘Authorization: Bearer {{Key}}’
- الخطوة 5: بدء استخدام النموذج: عندما يظهر الرد “task_status: SUCCESS” و “model_status: SERVING”، يمكنك البدء في استخدام نموذج التدريب.
طرق أخرى لتدريب Stable Diffusion
Dreambooth و Textual Inversion
بالإضافة إلى LoRA، تعتبر Dreambooth و textual inversion طريقتين شائعتين أخريين لضبط Stable Diffusion. ومع ذلك، مقارنة بنتائج Dreambooth التي تنتج ملفات نموذج كبيرة (2-7 جيجابايت)، فإن LoRA أصغر بكثير وأكثر كفاءة؛ مقارنة بنتائج textual inversion الصغيرة جدًا (حوالي 100 كيلوبايت)، يمكن استخدام LoRA للضبط للأغراض العامة، والتكيف مع مجالات أو مجموعات بيانات جديدة.
نصائح التدريب
- متطلبات GPU: تدريب نماذج LoRA مكلف حسابيًا، لذا تأكد من أن لديك جهازًا مزودًا بـ GPU قادر على التعامل مع عبء العمل.
- توافق النموذج: يجب أن تكون نماذج LoRA متوافقة مع نموذج Stable Diffusion الأساسي الذي تهدف إلى تحسينه. تحقق من التوافق لتجنب مشكلات التكامل.
- ضبط المعاملات: قم بضبط معاملات نموذج LoRA بعناية، حيث يمكن أن تؤثر بشكل كبير على المخرجات، بما في ذلك وزن تعديلات LoRA وأي معلمات تشعبية محددة أخرى.
الخاتمة
في الختام، يمثل نموذج LoRA Stable Diffusion تقدمًا كبيرًا في مجال الفنون والمحتوى المُنشأ بالذكاء الاصطناعي. استخدم واجهات برمجة تطبيقات Novita AI لنماذج LoRA لتدريب النموذج الخاص بك لضبط نماذج Stable Diffusion. بشكل عام، نموذج LoRA Stable Diffusion هو أداة قوية، عند استخدامها بمسؤولية، يمكن أن تعزز بشكل كبير قدرات الذكاء الاصطناعي في التطبيقات الفنية والإبداعية.
Novita AI، المنصة الشاملة للإبداع اللامحدود التي تمنحك الوصول إلى أكثر من 100 واجهة برمجة تطبيقات. من توليد الصور ومعالجة اللغة إلى تحسين الصوت ومعالجة الفيديو، الدفع حسب الاستخدام وبأسعار منخفضة، إنها تحررك من متاعب صيانة GPU أثناء بناء منتجاتك الخاصة. جربها مجانًا.
القراءات الموصى بها
