玩转AIGC | 5分钟使用PAI一键部署Stable Diffusion AI绘画应用

本文涉及的产品
交互式建模 PAI-DSW,每月250计算时 3个月
模型在线服务 PAI-EAS,A10/V100等 500元 1个月
模型训练 PAI-DLC,5000CU*H 3个月
简介: 本文将展示如何通过阿里云机器学习PAI 快速部署SD文生图模型并启动WebUI 进行推理服务。

AIGC(AI-Generated Content)指通过人工智能技术自动生成内容的生产方式,其中Stable Diffusion文生图模型是开源社区非常流行的跨模态生成模型,它能基于用户给定的文本自动生成匹配的图像。Stable Diffusion WebUI提供了网页端交互界面,支持低代码化的文图生成配置。


本文将展示如何通过阿里云机器学习平台PAI的模型在线服务PAI-EAS来快速部署Stable Diffusion文生图模型和启动WebUI进行推理服务。与部署到本地的方式相比,通过PAI-EAS可以快速拉起稳定的在线AI绘图应用,并具备按需弹性扩缩容、多实例集群版、管理模型及插件等企业级能力。


准备工作

  • 已开通PAI-EAS并创建默认工作空间;
  • 如果您是PAI-EAS的新用户,也可以免费领取PAI-EAS的免费试用名额开启实验,详情请参见本文“05 免费体验”。


部署EAS服务

将Stable Diffusion模型部署为AI-Web应用服务,具体操作步骤如下。

1.  进入PAI EAS模型在线服务页面。

a.  通过PAI官网首页登录PAI控制台。

https://www.aliyun.com/product/bigdata/learn

b.  在左侧导航栏单击工作空间列表,在工作空间列表页面中单击待操作的工作空间名称,进入对应工作空间内。

c.  在工作空间页面的左侧导航栏选择模型部署 > 模型在线服务(EAS),进入PAI EAS模型在线服务页面。

11.png

2.  在PAI EAS模型在线服务页面,单击部署服务。

3.  在部署服务页面,配置以下关键参数。

参数

描述

服务名称

自定义服务名称。本案例使用的示例值为:sdwebui_demo。

部署方式

选择镜像部署AI-Web应用。

镜像选择

在PAI平台镜像列表中选择stable-diffusion-webui;镜像版本选择2.2。

资源组种类

选择公共资源组。

资源配置方法

选择常规资源配置。

资源配置选择

必须选择GPU类型,实例规格推荐使用ml.gu7i.c8m30.1-gu30(性价比最高)。

镜像配置完成后,系统会自动配置运行命令、端口号等参数,您无需修改配置。若您是免费试用用户,资源部署信息选择试用活动的机型。

22.png

4.  单击部署,等待一段时间即可完成模型部署。当模型状态为运行中时,服务部署成功。


启动WebUI进行模型推理

1.  单击目标服务服务方式列下的查看Web应用。

33.png

2.  在WebUI页面,进行模型推理验证。

在文生图页签提示词(Prompt)区域,自定义输入内容,单击生成,即可开启您的AIGC之旅。

本案例在提示词(Prompt)区域输入cute dog,单击生成,推理结果如下图所示。

44.png

常见问题及解决方法

4.1  图片生成速度慢怎么办?

您可以通过开启Blade或xFormers的方法进行模型服务加速。Blade和xFormers方法使用优势如下。

  • Blade是由PAI平台提供的加速工具,在不同的图像尺寸和迭代步数下有不同的加速效果,最高可实现3.06倍的加速效果,为您的AIGC之旅带来更高性能和更低延时。
  • xFormers是SDWebUI自带的开源加速工具,拥有更广泛的模型适配性。

开启Blade或xFormers的方法如下。

  • 开启Blade方法

a.  单击服务操作列下的更新服务。

b.  在部署服务页面运行命令中增加--blade指令,即./webui.sh --listen --port=8000 --blade。

55.png

c.单机部署。

  • 开启xFormers方法

a.  单击服务操作列下的更新服务。

b.  在部署服务页面运行命令中增加--xformers指令,即./webui.sh --listen --port=8000 --xformers。

66.png

c.  单机部署


4.2  您自己的模型及输出目录等内容如何挂载?

如果您自己在开源社区下载了模型或自己训练得到了Lora或SD等模型要用于SDWebUI,或您需要保存输出数据到您自己的OSS Bucket目录,或需要进行一些第三方的配置和插件安装等,您可以通过如下文件挂载方式来实现。1.  前往阿里云对象存储OSS,创建一个Bucket和空文件目录。

例如:oss://bucket-test/data-oss/,其中:bucket-test为OSS Bucket名称;data-oss为该Bucket下的空文件目录。

2.  单击服务操作列下的更新服务。

3.  在模型服务信息区域,配置以下参数。

77.png

参数

描述

模型配置

单击填写模型配置,进行模型配置。

  • 模型配置选择OSS挂载,将OSS路径配置为步骤1中创建的OSS Bucket路径。例如:oss://bucket-test/data-oss/。
  • 挂载路径:将您配置的OSS文件目录挂载到镜像的/code/stable-diffusion-webui路径下。例如配置为:/code/stable-diffusion-webui/data-oss。
  • 是否只读:开关关闭。

运行命令

在运行命令中增加--data-dir 挂载目录,其中挂载目录需要与模型配置中挂载路径的最后一级目录一致。例如:./webui.sh --listen --port=8000 --data-dir data-oss。


4.  单击部署,更新模型服务。

PAI会自动在您配置的OSS空文件目录下创建如下目录结构,并复制必要的数据到该目录下。因此,建议您在服务启动成功后,再向指定的目录上传数据。

88.png

5.  OSS目录结构自动创建成功后,您可以将已下载的或训练获得的模型上传到models下指定的模型目录中,单击目标服务操作列下的>重启服务,服务重启成功后,即可生效。


后续您可以单击目标服务服务方式列下的查看Web应用,启动WebUI。在WebUI页面Stable Diffusion模型(ckpt)下拉列表中切换指定模型,进行模型推理验证。

1.png

4.3  如何更方便的管理自己的文件系统?

如果您想要更方便地和本地文件系统进行交互,在WebUI应用页面直接打开文件系统,您可以参照以下步骤进行设置。

1.  您可以在挂载OSS路径的情况下(4.2 详情请参见您自己的模型及输出目录等内容如何挂载?)在创建或更新服务时,在运行命令文本框中增加--filebrowser指令,即./webui.sh --listen --port=8000 --blade --data-dir data-oss --filebrowser。

2.png

2.  服务部署完成后,单击服务方式列下的查看Web应用。

3.  在WebUI页面,单击FileBrowser页签。您可以直接看到文件系统,并且可以上传本地的文件到文件系统中,也可以下载文件到本地。

4.png

免费体验

从2023年4月起,阿里云产品试用中心正式开放 PAI-EAS 的试用活动,如果您是 PAI-EAS 的新用户且通过阿里云实名认证,即可免费体验 PAI-EAS 模型推理服务。

阿里云试用中心地址:

https://free.aliyun.com/

选择“AI与机器学习”分类 -> “机器学习平台 PAI” -> “模型在线服务PAI-EAS”。


5.png


【往期回顾】:

  1. 快速玩转 Llama2!机器学习 PAI 最佳实践(一)—低代码 Lora 微调及部署
  2. 快速玩转 Llama2!机器学习 PAI 最佳实践(二)—全参数微调训练
  3. 快速玩转 Llama2!机器学习 PAI 最佳实践(三)—快速部署WebUI
相关实践学习
使用PAI-EAS一键部署ChatGLM及LangChain应用
本场景中主要介绍如何使用模型在线服务(PAI-EAS)部署ChatGLM的AI-Web应用以及启动WebUI进行模型推理,并通过LangChain集成自己的业务数据。
机器学习概览及常见算法
机器学习(Machine Learning, ML)是人工智能的核心,专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能,它是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。 本课程将带你入门机器学习,掌握机器学习的概念和常用的算法。
相关文章
|
1月前
|
机器学习/深度学习 数据采集 Python
从零到一:手把手教你完成机器学习项目,从数据预处理到模型部署全攻略
【10月更文挑战第25天】本文通过一个预测房价的案例,详细介绍了从数据预处理到模型部署的完整机器学习项目流程。涵盖数据清洗、特征选择与工程、模型训练与调优、以及使用Flask进行模型部署的步骤,帮助读者掌握机器学习的最佳实践。
82 1
|
2月前
|
人工智能 自然语言处理 数据挖掘
Claude 3.5:一场AI技术的惊艳飞跃 | AIGC
在这个科技日新月异的时代,人工智能(AI)的进步令人惊叹。博主体验了Claude 3.5 Sonnet的最新功能,对其卓越的性能、强大的内容创作与理解能力、创新的Artifacts功能、视觉理解与文本转录能力、革命性的“computeruse”功能、广泛的应用场景与兼容性以及成本效益和易用性深感震撼。这篇介绍将带你一窥其技术前沿的魅力。【10月更文挑战第12天】
74 1
|
3月前
|
人工智能 物联网 开发者
魔搭上线AIGC专区,为开发者提供一站式AI创作开发平台
魔搭上线AIGC专区,首批上架157个风格化大模型,专业文生图全免费~
139 16
|
3月前
|
人工智能 计算机视觉 Python
AI计算机视觉笔记八:基于mediapipe的虚拟绘画
该项目利用MediaPipe手部关键点识别技术,实现了隔空绘画功能。用户可以通过手势控制绘画工具,选择颜色或橡皮擦。环境配置基于`mediapipe_env`,在PyCharm中运行。项目包括两个文件:`AiVirtualPainter.py`负责绘画逻辑,`HandTrackingModule.py`用于手部关键点检测。此项目展示了AI技术在互动应用中的潜力,适合初学者实践与学习。
73 10
|
4月前
|
开发者 算法 虚拟化
惊爆!Uno Platform 调试与性能分析终极攻略,从工具运用到代码优化,带你攻克开发难题成就完美应用
【8月更文挑战第31天】在 Uno Platform 中,调试可通过 Visual Studio 设置断点和逐步执行代码实现,同时浏览器开发者工具有助于 Web 版本调试。性能分析则利用 Visual Studio 的性能分析器检查 CPU 和内存使用情况,还可通过记录时间戳进行简单分析。优化性能涉及代码逻辑优化、资源管理和用户界面简化,综合利用平台提供的工具和技术,确保应用高效稳定运行。
85 0
|
4月前
|
前端开发 开发者 设计模式
揭秘Uno Platform状态管理之道:INotifyPropertyChanged、依赖注入、MVVM大对决,帮你找到最佳策略!
【8月更文挑战第31天】本文对比分析了 Uno Platform 中的关键状态管理策略,包括内置的 INotifyPropertyChanged、依赖注入及 MVVM 框架。INotifyPropertyChanged 方案简单易用,适合小型项目;依赖注入则更灵活,支持状态共享与持久化,适用于复杂场景;MVVM 框架通过分离视图、视图模型和模型,使状态管理更清晰,适合大型项目。开发者可根据项目需求和技术栈选择合适的状态管理方案,以实现高效管理。
48 0
|
4月前
|
机器学习/深度学习 TensorFlow 算法框架/工具
全面解析TensorFlow Lite:从模型转换到Android应用集成,教你如何在移动设备上轻松部署轻量级机器学习模型,实现高效本地推理
【8月更文挑战第31天】本文通过技术综述介绍了如何使用TensorFlow Lite将机器学习模型部署至移动设备。从创建、训练模型开始,详细演示了模型向TensorFlow Lite格式的转换过程,并指导如何在Android应用中集成该模型以实现预测功能,突显了TensorFlow Lite在资源受限环境中的优势及灵活性。
307 0
|
4月前
|
机器学习/深度学习 TensorFlow 算法框架/工具
TensorFlow Serving 部署指南超赞!让机器学习模型上线不再困难,轻松开启高效服务之旅!
【8月更文挑战第31天】TensorFlow Serving是一款高性能开源服务系统,专为部署机器学习模型设计。本文通过代码示例详细介绍其部署流程:从安装TensorFlow Serving、训练模型到配置模型服务器与使用gRPC客户端调用模型,展示了一站式模型上线解决方案,使过程变得简单高效。借助该工具,你可以轻松实现模型的实际应用。
67 0
|
22天前
|
机器学习/深度学习 人工智能 算法
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
手写数字识别系统,使用Python作为主要开发语言,基于深度学习TensorFlow框架,搭建卷积神经网络算法。并通过对数据集进行训练,最后得到一个识别精度较高的模型。并基于Flask框架,开发网页端操作平台,实现用户上传一张图片识别其名称。
64 0
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
【MM2024】阿里云 PAI 团队图像编辑算法论文入选 MM2024
阿里云人工智能平台 PAI 团队发表的图像编辑算法论文在 MM2024 上正式亮相发表。ACM MM(ACM国际多媒体会议)是国际多媒体领域的顶级会议,旨在为研究人员、工程师和行业专家提供一个交流平台,以展示在多媒体领域的最新研究成果、技术进展和应用案例。其主题涵盖了图像处理、视频分析、音频处理、社交媒体和多媒体系统等广泛领域。此次入选标志着阿里云人工智能平台 PAI 在图像编辑算法方面的研究获得了学术界的充分认可。
【MM2024】阿里云 PAI 团队图像编辑算法论文入选 MM2024

相关产品

  • 人工智能平台 PAI