曲线救国|基于函数计算FC3.0部署AI数字绘画stable-diffusion

曲线救国|基于函数计算FC3.0部署AI数字绘画stable-diffusion

在经过了上一次曲线救国失败经历之后,失败经历参考博文:https://developer.aliyun.com/article/1382950 意外发现可以通过另外一种曲线救国方案来实现基于函数计算FC3.0部署【AI数字绘画stable-diffusion】模型方案,这里说明一下,之所以不选择模版应用【AI数字绘画stable-diffusion自定义模型版】,是由于这个模型不满足曲线救国的方案下面细细道来。

基于函数计算FC2.0部署AI数字绘画stable-diffusion

进入函数计算控制台:https://fcnext.console.aliyun.com/overview 点击【应用】选择AI数字绘画stable-diffusion模版应用

点击【立即创建】进入函数计算FC2.0应用创建页面,选择【通过代码仓库部署】

这里说明一下:必须选择【通过代码仓库部署】,因为只有这样才能将函数计算FC2.0 AI数字绘画stable-diffusion的代码push到你的github仓库,这样后续才可以切换到函数计算FC3.0体验部署AI数字绘画stable-diffusion。然后下拉页面点击【创建并部署默认环境】

进入弹框提醒页面,如图勾选后点击【同意并继续部署】

函数计算FC2.0开始自动化部署

完成AI数字绘画stable-diffusion模版应用的部署,这里记录一下,整个部署过程耗时1分钟7秒。部署成功后下滑页面,点击【sd】

查看sd函数的【镜像加速准备状态】为 可用

回到函数计算FC2.0 AI数字绘画stable-diffusion 部署成功页面

点击【访问域名】跳转到文生图操作页面,这里说明一下,所有参数按默认的来,直接点击【生成】

生成图片内容

整个生成过程耗时37.6s,详细的信息

shell 复制代码
masterpiece, best quality, very detailed, extremely detailed beautiful, super detailed, tousled hair, illustration, dynamic angles, girly, fashion clothing, standing, mannequin, looking at viewer, interview, beach, beautiful detailed eyes, exquisitely beautiful face, floating, high saturation, beautiful and detailed light and shadow
Negative prompt: loli,nsfw,logo,text,badhandv4,EasyNegative,ng_deepnegative_v1_75t,rev2-badprompt,verybadimagenegative_v1.3,negative_hand-neg,mutated hands and fingers,poorly drawn face,extra limb,missing limb,disconnected limbs,malformed hands,ugly
Steps: 20, Sampler: Euler a, CFG scale: 7, Seed: 2882198556, Size: 512x512, Model hash: 61e23e57ea, Model: mixProV4.Cqhm, VAE hash: df3c506e51, VAE: cIF8Anime2.43ol.ckpt, Version: v1.6.0

Time taken: 37.6 sec.

A: 11.44 GB, R: 12.29 GB, Sys: 12.5/14.6104 GB (85.5%)

回到我的github代码仓库可以看到 AI数字绘画stable-diffusion 模型代码已经push到我的github仓库中了

为了防止函数计算FC2.0 模版应用不用时扣费,这里删除刚才部署成功的 AI数字绘画stable-diffusion 应用

注意:这里一定不要勾选清除代码仓库的选框,你选择清除的话,那么已经push到你的代码仓库的应用就没了,后面就没法进行函数计算FC3.0的部署测试了。

基于函数计算FC3.0部署AI数字绘画stable-diffusion

点击右上角【体验函数计算3.0】切换到函数计算FC3.0控制台

点击【应用】选择【通过仓库导入应用】

点击【创建并部署默认环境】

整个部署过程耗时1分钟9秒,和函数计算FC2.0部署耗时来看无大的变化

点击【sd】查看sd函数触发器状态 已启用

回到函数计算FC3.0 AI数字绘画stable-diffusion 部署成功页面

点击【访问域名】进入文生图页面,所有参数还是默认,点击【生成】

文生图结果如图

整个文生图过程耗时21s,相较于函数计算FC2.0的文生图速度,提升了将近一半,详细信息如下

shell 复制代码
masterpiece, best quality, very detailed, extremely detailed beautiful, super detailed, tousled hair, illustration, dynamic angles, girly, fashion clothing, standing, mannequin, looking at viewer, interview, beach, beautiful detailed eyes, exquisitely beautiful face, floating, high saturation, beautiful and detailed light and shadow
Negative prompt: loli,nsfw,logo,text,badhandv4,EasyNegative,ng_deepnegative_v1_75t,rev2-badprompt,verybadimagenegative_v1.3,negative_hand-neg,mutated hands and fingers,poorly drawn face,extra limb,missing limb,disconnected limbs,malformed hands,ugly
Steps: 20, Sampler: Euler a, CFG scale: 7, Seed: 1377171943, Size: 512x512, Model hash: 61e23e57ea, Model: mixProV4.Cqhm, VAE hash: df3c506e51, VAE: cIF8Anime2.43ol.ckpt, Version: v1.6.0
Time taken: 21.0 sec.
A: 11.48 GB, R: 12.42 GB, Sys: 12.4/14.6104 GB (85.1%)

为了防止不必要的扣费,这里删除部署的应用

勾选后点击【删除应用及所选资源】即可。

总结

到这里,整个基于函数计算FC2.0 和函数计算FC3.0 部署 AI数字绘画stable-diffusion 的操作就算完成了,这个过程加上记录操作过程博文的时间,耗时3小时,大家如果不用博文记录的话,直接按文档操作,耗时15分钟足够。

实验过程虽然说是曲线救国的方案,但是实验体验整体上还是很满意的,部署很流畅,部署成功后的文生图效果以及文生图速度很满意,记得之前在函数计算FC2.0部署文生图模版应用时还时不时会出现部署成功但是文生图一直执行30分钟不出图片的情况。这里函数计算FC3.0文生图效果很好很快,相比函数计算FC2.0 应用部署页面操作也简化了,而过去习惯的的操作也保留了,整体上体验感拉满。

相关推荐
B站计算机毕业设计超人5 分钟前
计算机毕业设计PySpark+Hadoop中国城市交通分析与预测 Python交通预测 Python交通可视化 客流量预测 交通大数据 机器学习 深度学习
大数据·人工智能·爬虫·python·机器学习·课程设计·数据可视化
学术头条10 分钟前
清华、智谱团队:探索 RLHF 的 scaling laws
人工智能·深度学习·算法·机器学习·语言模型·计算语言学
18号房客14 分钟前
一个简单的机器学习实战例程,使用Scikit-Learn库来完成一个常见的分类任务——**鸢尾花数据集(Iris Dataset)**的分类
人工智能·深度学习·神经网络·机器学习·语言模型·自然语言处理·sklearn
feifeikon17 分钟前
机器学习DAY3 : 线性回归与最小二乘法与sklearn实现 (线性回归完)
人工智能·机器学习·线性回归
游客52020 分钟前
opencv中的常用的100个API
图像处理·人工智能·python·opencv·计算机视觉
古希腊掌管学习的神21 分钟前
[机器学习]sklearn入门指南(2)
人工智能·机器学习·sklearn
凡人的AI工具箱1 小时前
每天40分玩转Django:Django国际化
数据库·人工智能·后端·python·django·sqlite
咸鱼桨1 小时前
《庐山派从入门到...》PWM板载蜂鸣器
人工智能·windows·python·k230·庐山派
强哥之神1 小时前
Nexa AI发布OmniAudio-2.6B:一款快速的音频语言模型,专为边缘部署设计
人工智能·深度学习·机器学习·语言模型·自然语言处理·音视频·openai
yusaisai大鱼1 小时前
tensorflow_probability与tensorflow版本依赖关系
人工智能·python·tensorflow