玩转AIGC | 使用阿里云NAS+PAI-EAS部署Stable Diffusion文生图模型

本文涉及的产品
文件存储 NAS,50GB 3个月
简介: 阿里云的AIGC存储解决方案是覆盖了数据收集、模型训练以及模型推理整个生命周期,本实验场景主要覆盖模型推理过程,介绍如何使用模型在线服务(PAI-EAS)以及文件存储NAS部署AIGC应用,快速生成图片。

AIGC作为人工智能技术和产业应用的要素之一,可自动生成图片、音频、文本、视频、代码等内容,随着技术能力的不断迭代升级,将降低内容创作门槛、释放创作能力。AI绘画工具Stable Diffusion ,是一种基于潜在扩散模型(Latent Diffusion Models)的文本到图像、图像到图像生成模型,能够根据任意文本或图像输入,生成高质量、高分辨率、高逼真的图像。基于 Stable Diffusion WebUI,可以在网页上轻松进行文生图、图生图的操作。

 AI解决方案.png

阿里云的AIGC存储解决方案是覆盖了数据收集、模型训练以及模型推理整个生命周期,本实验场景主要覆盖模型推理过程,介绍如何使用模型在线服务(PAI-EAS)以及文件存储NAS部署AIGC应用,快速生成图片。

 

一、准备工作

 

在阿里云免费试用的官网页面中(https://click.aliyun.com/m/1000374869/),可以找到文件存储NASPAI-EAS的试用资源,然后领用相关资源。戳这里>>,领取PAI-EAS免费试用。

PAI-EAS+NAS.png


二、实验步骤

 

1、创建相关的VPC、安全组和交换机

 

登录阿里云控制台,创建一个专有网络VPCVPC的名称可以根据业务或个人喜好自行命名。选择IPV4网段时,可以从默认的三个网段中任选一个。在创建VPC的同时,需要把相关的交换机也创建好。因为和机器学习平台PAI连接,属于一种VPC的专网连接,需要通过专业的交换机实现。

创建专有网络.png

VPC和交换机创建完成之后,接下来要创建安全组策略。通过VPC页面的云服务、云服务器安全组策略页面,可以创建安全组,此时选择默认的安全组策略即可,网络就选择刚才创建的VPC。相关描述建议根据个人选择进行添加,访问规则可不用改动。

创建安全组.png


2、创建相关的文件存储资源

 

在文件存储的控制台,选择创建文件存储通用型NAS。选择地域要勾选河源,因为相关的免费试用资源都是在华南2(河源)。在专有网络VPC、虚拟机交换机选择在前一步所创建好的VPC网络和交换机的名称,再点击立即购买,就会收到文件存储NAS创建成功的提示,在文件系统列表中可以查看到通用型NAS系统。

创建通用型NAS.png


3、通过PAI平台部署模型

 

进入机器学习平台PAI的页面搭建模型,首先需要在工作空间列表中新建一个工作空间,建议工作空间按照工程来进行命名(比如mynewaigc),可以把一组的工程集中在一个工作空间中。

 

工作空间创建好后,接下来使用模型在线服务(PAI-EAS)来部署模型。在部署模型之前,首先要选择刚才创建的工作空间mynewaigc,然后进入EAS。进入EAS之后呢,有多种服务可供选择,本次实验需要选择部署服务。填写模型服务信息时,需要自定义一个服务名称。由于本次要部署Stable Diffusion的一个web应用,所以部署方式需要选择镜像部署AI-Web应用。在镜像的选择上,PAI平台已经帮用户打包好了AIGC的应用,点击选择stable-diffusion-webui,镜像版本选择2.2版本。

部署服务.png

接下来需要选择存储的空间,也就是在模型配置选择NAS挂载。此时可以选择之前创建的NAS文件系统,每个文件系统默认会自带的挂载点,也可以一并选择。在源路径上,无需自输入“/”使用NAS的根路径,无需自定义路径。至于挂载路径,选择/code/stable-diffusion-webui/data,相当于“/”这个子目录就是我们所要指定的数据存储的目录。这样的话,整个这个模型部署以及图片都会在挂载的目录上生成。

NAS挂载.png

挂载路径填写完成后,开始选择运行模型需要使用的资源。这时得选择公共资源组和常规资源配置。在资源配置选择中,点击试用活动,可以看到之前在试用活动中领用的资源,然后选择一台GPU服务器。此时页面会显示这台服务器每小时会产生13.98元的费用。不过,这部分费用可以通过领用的试用资源中的500元代金券进行抵扣。所以,如果担心在测试使用的过程中产生不必要的费用,可以重点关注使用的时长。

资源配置选择.png

最后,在专有网络配置中,选择之前创建的VPC、交换机、安全组,就可以开始部署应用。当应用部署完成之后,如果服务状态处于运行中,就意味这个服务部署完成。

专有网络配置.png


4、使用模型实现文生图

 

在服务方式中选择点击查看Web应用之后,会进入我们所部署的Stable DiffusionWeb界面,使用文生图功能可以通过提示词生成对应的图片。比如输入cute dog很快就能得到一张小狗的图片。

cute dog.png

在默认情况下,Stable Diffusion只支持使用英文+有限的emoji颜文字来作为提示词(Prompt)。通过安装WebUI 插件,可以输入中文或其他语言生成图片。互联网上已有很多相关教程,可自行查找学习,在此不一一赘述。


三、清理资源

 

模型使用结束后,接下来需要清理资源,以免产生不必要的费用。首先,要停止模型、删除资源,当PAI-EAS里关联的GPU资源被清除,就不会再产生相关的费用。

停止模型.png

然后再去删除文件系统,这时需要在文件系统列表中删除之前创建的文件存储资源。由于文件存储资源挂载到VPC网络中,还有生命周期策略以及回收站的设置,因此需要清除这三项的关联信息。当这些信息全部清除完成之后,点击删除即可。

删除文件系统.png

最后要做的是专用网络VPC资源的清除,这时需要先删除交换机和安全组策略再强制删除VPC网络资源,从而释放所有的网络、网关等资源。至此,本次实验所创建的所有资源全部被释放完成,不会再产生额外的费用。

删除专有网络.png

欲了解更多,请点击这里

相关实践学习
基于ECS和NAS搭建个人网盘
本场景主要介绍如何基于ECS和NAS快速搭建个人网盘。
阿里云文件存储 NAS 使用教程
阿里云文件存储(Network Attached Storage,简称NAS)是面向阿里云ECS实例、HPC和Docker的文件存储服务,提供标准的文件访问协议,用户无需对现有应用做任何修改,即可使用具备无限容量及性能扩展、单一命名空间、多共享、高可靠和高可用等特性的分布式文件系统。 产品详情:https://www.aliyun.com/product/nas
相关文章
|
1月前
|
人工智能 JSON 算法
Qwen2.5-Coder 系列模型在 PAI-QuickStart 的训练、评测、压缩及部署实践
阿里云的人工智能平台 PAI,作为一站式、 AI Native 的大模型与 AIGC 工程平台,为开发者和企业客户提供了 Qwen2.5-Coder 系列模型的全链路最佳实践。本文以Qwen2.5-Coder-32B为例,详细介绍在 PAI-QuickStart 完成 Qwen2.5-Coder 的训练、评测和快速部署。
Qwen2.5-Coder 系列模型在 PAI-QuickStart 的训练、评测、压缩及部署实践
|
19天前
|
Serverless 开发工具 开发者
活动实践 | 西游再现,函数计算一键部署 Flux 超写实文生图模型部署
这些图片展示了阿里巴巴云开发者生态的多个方面,包括开发工具、技术文档、社区交流、培训认证等内容,旨在为开发者提供全方位的支持和服务。
|
18天前
|
编解码 机器人 测试技术
技术实践 | 使用 PAI+LLaMA Factory 微调 Qwen2-VL 模型快速搭建专业领域知识问答机器人
Qwen2-VL是一款具备高级图像和视频理解能力的多模态模型,支持多种语言,适用于多模态应用开发。通过PAI和LLaMA Factory框架,用户可以轻松微调Qwen2-VL模型,快速构建文旅领域的知识问答机器人。本教程详细介绍了从模型部署、微调到对话测试的全过程,帮助开发者高效实现定制化多模态应用。
|
1月前
|
机器学习/深度学习 PyTorch API
优化注意力层提升 Transformer 模型效率:通过改进注意力机制降低机器学习成本
Transformer架构自2017年被Vaswani等人提出以来,凭借其核心的注意力机制,已成为AI领域的重大突破。该机制允许模型根据任务需求灵活聚焦于输入的不同部分,极大地增强了对复杂语言和结构的理解能力。起初主要应用于自然语言处理,Transformer迅速扩展至语音识别、计算机视觉等多领域,展现出强大的跨学科应用潜力。然而,随着模型规模的增长,注意力层的高计算复杂度成为发展瓶颈。为此,本文探讨了在PyTorch生态系统中优化注意力层的各种技术,
67 6
优化注意力层提升 Transformer 模型效率:通过改进注意力机制降低机器学习成本
|
26天前
|
机器学习/深度学习 人工智能 算法
人工智能浪潮下的编程实践:构建你的第一个机器学习模型
在人工智能的巨浪中,每个人都有机会成为弄潮儿。本文将带你一探究竟,从零基础开始,用最易懂的语言和步骤,教你如何构建属于自己的第一个机器学习模型。不需要复杂的数学公式,也不必担心编程难题,只需跟随我们的步伐,一起探索这个充满魔力的AI世界。
46 12
|
1月前
|
机器学习/深度学习 Python
机器学习中评估模型性能的重要工具——混淆矩阵和ROC曲线。混淆矩阵通过真正例、假正例等指标展示模型预测情况
本文介绍了机器学习中评估模型性能的重要工具——混淆矩阵和ROC曲线。混淆矩阵通过真正例、假正例等指标展示模型预测情况,而ROC曲线则通过假正率和真正率评估二分类模型性能。文章还提供了Python中的具体实现示例,展示了如何计算和使用这两种工具来评估模型。
58 8
|
1月前
|
机器学习/深度学习 Python
机器学习中模型选择和优化的关键技术——交叉验证与网格搜索
本文深入探讨了机器学习中模型选择和优化的关键技术——交叉验证与网格搜索。介绍了K折交叉验证、留一交叉验证等方法,以及网格搜索的原理和步骤,展示了如何结合两者在Python中实现模型参数的优化,并强调了使用时需注意的计算成本、过拟合风险等问题。
57 6
|
1月前
|
机器学习/深度学习 数据采集 算法
从零到一:构建高效机器学习模型的旅程####
在探索技术深度与广度的征途中,我深刻体会到技术创新既在于理论的飞跃,更在于实践的积累。本文将通过一个具体案例,分享我在构建高效机器学习模型过程中的实战经验,包括数据预处理、特征工程、模型选择与优化等关键环节,旨在为读者提供一个从零开始构建并优化机器学习模型的实用指南。 ####
|
1月前
|
人工智能 边缘计算 JSON
DistilQwen2 蒸馏小模型在 PAI-QuickStart 的训练、评测、压缩及部署实践
本文详细介绍在 PAI 平台使用 DistilQwen2 蒸馏小模型的全链路最佳实践。
|
1月前
|
机器学习/深度学习 人工智能 算法
探索机器学习中的线性回归模型
本文深入探讨了机器学习中广泛使用的线性回归模型,从其基本概念和数学原理出发,逐步引导读者理解模型的构建、训练及评估过程。通过实例分析与代码演示,本文旨在为初学者提供一个清晰的学习路径,帮助他们在实践中更好地应用线性回归模型解决实际问题。

相关产品

  • 文件存储 NAS