AWS AIGC Workshop 3-训练推理-部署finetune模型

部署finetune模型

部署finetune模型进行推理

  1. 当该训练任务完成,我们可以在 S3 中找到生成的模型文件,路径是:(注意修改下面命令中 S3桶名为自己的桶,替换 REGION为部署区域代码,account id 即可)
1
s3://sagemaker-REGION-YOUR_ACCOUNT_ID/stable-diffusion-webui/models/
  1. 我们取最后一个模型文件(比如jp-style-model_2500),主要 ckpt 和 yaml文件,用于接下来的部署。

trains3

  1. 连接至最初创建的EC2,通过 awscli 将上面两个文件下载,打包成 model.tar.gz 文件,然后再上传到 S3。
1
2
cd ~ mkdir jpstyle && cd jpstyle 
  1. 下载模型文件:(注意修改下面命令中 S3桶名为自己的桶,替换REGION为部署区域代码, account id 即可)
1
2
aws s3 cp s3://sagemaker-REGION-YOUR_ACCOUNT_ID/stable-diffusion-webui/models/jp-style-model_2500.ckpt ./ aws s3 cp s3://sagemaker-REGION-YOUR_ACCOUNT_ID/stable-diffusion-webui/models/jp-style-model_2500.yaml ./ 
  1. 打包
1
tar -czvf model.tar.gz ./* 
  1. 最后上传到 SageMaker 默认 S3 存储桶:(注意修改下面命令中 S3桶名为自己的桶,替换REGION为部署区域代码, account id 即可)
1
aws s3 cp model.tar.gz s3://sagemaker-REGION-YOUR_ACCOUNT_ID/stable-diffusion-webui/assets/jpstyle/model.tar.gz
  1. 上传完成后,我们再到 All in one ai portal 去部署一个模型端点,操作步骤与部署模型相似。在左边栏,行业模型下的概览,可以看到一个创建好的 名为 stable-diffusion-webui的对象,点击开始体验

experience

  1. 在新页面下点击部署

clickdeploy

  1. 在新的页面下,自定义模型名称终端节点名称(如aigc-train),填入模型数据位置(替换REGION为实验部署区域,即account id),即 s3://sagemaker-REGION-YOUR_ACCOUNT_ID/stable-diffusion-webui/assets/jpstyle/model.tar.gz,实例类型可以选择 ml.g4dn.2xlarge,然后提交。

deployendpoint

  1. 在endpoint状态变为InService后(约20分钟),部署状态可通过此界面查看:

advance

endpointstatus

  1. 回到 WebUI 界面,登陆后,进入 设置 tab。点击 Stable Diffusion 模型(ckpt)旁的刷新按钮,即可选择模型。选择完毕后,保存设置,即可正常使用。

在文生图界面,输入我们 finetune 模型时设定的 prompt 词 jpstyle,即可生成相同风格的图片。

注意:因为我们模型训练用的是 sd 2.1,该模型的出图尺寸建议是 768×768,在界面上做相应的调整,如果是 512×512,出图效果可能不佳。

trainresult

原创文章,作者:奋斗,如若转载,请注明出处:https://blog.ytso.com/tech/aigc/301768.html

(0)
上一篇 2023年8月31日 14:51
下一篇 2023年8月31日 14:56

相关推荐

发表回复

登录后才能评论