如何将个人NAS里的Stable Diffusion模型库挂载到PAI-EAS

本文涉及的产品
文件存储 NAS,50GB 3个月
简介: 本文讲述如何将自己文件存储NAS里的Stable Diffusion文件挂载到PAI-EAS,实现模型的加载和推理训练

通过在线迁移服务,您已经将SD公共模型库的模型文件转存到了自己的NAS文件目录中,该存储空间中的模型可以被用于SDWebUI,另外也可以将未来训练和推理的结果保存到该NAS目录中。您可以通过如下文件挂载方式来实现。


1.前往文件存储NAS控制台,查看存放模型库的NAS文件目录信息。

例如:041fa4940f,其中:041fa4940f为NAS文件目录名称;该NAS下已经有名为models的文件目录,该目录下存放所有类型模型。请注意此目录结构在控制台无法预览,只有被挂载到ECS,从操作系统中才能看到,此处不需要。


2.前往PAI-EAS控制台单击模型在线服务服务(EAS)操作列下的更新服务。如果您没有现有服务,请参考5分钟使用PAI-EAS一键部署Stable Diffusion AIGC绘画创建一个模型在线服务。


3.模型服务信息区域,选择NAS挂载,配置以下参数。

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NAS挂载,将NAS挂载点配置为你个人的NAS 名称,例如:041fa4940f。然后选择对应的挂载点。
  • NAS源路径:直接键入 / 即可。
  • 挂载路径:将您配置的NAS文件目录挂载到镜像的/code/stable-diffusion-webui/data-oss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

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挂载路径的最后一级目录一致。例如:../webui.sh --listen --port=8000 --skip-version-check --no-hashing --no-download-sd-model --skip-install --api --filebrowser --blade --data-dir /code/stable-diffusion-webui/data-oss 


4.在最后页面单击部署

PAI会自动在您配置的NAS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。但是并不会覆盖已有的models目录,相反会自动识别该目录下的所有模型文件。


5.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。

PAI会自动在您配置的NAS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。但是并不会覆盖已有的models目录,相反会自动识别该目录下的所有模型文件。

image.png


6.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。

输入如下信息:

  • 提示词:best quality, masterpiece, (best quality, masterpiece)(best quality, masterpiece), 1girl, happy, china dress, standing, looking at viewer, blurry background, earrings, hair bun, night, china town,.
  • 反向提示词:(((simple background))),monochrome ,lowres, bad anatomy, bad hands, text, error, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality, normal quality, jpeg artifacts, signature, watermark, username, blurry, lowres, bad anatomy, bad hands, text, error, extra digit, fewer digits, cropped, worst quality, low quality, normal quality, jpeg artifacts, signature, watermark, username, blurry, ugly,pregnant,vore,duplicate,morbid,mut ilated,tran nsexual, hermaphrodite,long neck,mutated hands,poorly drawn hands,poorly drawn face,mutation,deformed,blurry,bad anatomy,bad proportions,malformed limbs,extra limbs,cloned face,disfigured,gross proportions, (((missing arms))),(((missing legs))), (((extra arms))),(((extra legs))),pubic hair, plump,bad legs,error legs,username,blurry,bad feet.
  • 采样(Sampler)DPM++2MKarras
  • 相关性(CFG scale):7
  • 步数(Sampling steps):20
  • 随机种(seed):82742

模型库中也有Lora的模型文件,您可以在可选附加网络(LoRA插件)选择不同类型模型。

相关实践学习
函数计算部署PuLID for FLUX人像写真实现智能换颜效果
只需一张图片,生成程序员专属写真!本次实验在函数计算中内置PuLID for FLUX,您可以通过函数计算+Serverless应用中心一键部署Flux模型,快速体验超写实图像生成的魅力。
相关文章
|
2月前
|
人工智能 自然语言处理 IDE
模型微调不再被代码难住!PAI和Qwen3-Coder加速AI开发新体验
通义千问 AI 编程大模型 Qwen3-Coder 正式开源,阿里云人工智能平台 PAI 支持云上一键部署 Qwen3-Coder 模型,并可在交互式建模环境中使用 Qwen3-Coder 模型。
624 109
|
3月前
|
人工智能 自然语言处理 运维
【新模型速递】PAI-Model Gallery云上一键部署Kimi K2模型
月之暗面发布开源模型Kimi K2,采用MoE架构,参数达1T,激活参数32B,具备强代码能力及Agent任务处理优势。在编程、工具调用、数学推理测试中表现优异。阿里云PAI-Model Gallery已支持云端部署,提供企业级方案。
290 0
【新模型速递】PAI-Model Gallery云上一键部署Kimi K2模型
|
1月前
|
机器学习/深度学习 自然语言处理 算法
48_动态架构模型:NAS在LLM中的应用
大型语言模型(LLM)在自然语言处理领域的突破性进展,很大程度上归功于其庞大的参数量和复杂的网络架构。然而,随着模型规模的不断增长,计算资源消耗、推理延迟和部署成本等问题日益凸显。如何在保持模型性能的同时,优化模型架构以提高效率,成为2025年大模型研究的核心方向之一。神经架构搜索(Neural Architecture Search, NAS)作为一种自动化的网络设计方法,正在为这一挑战提供创新性解决方案。本文将深入探讨NAS技术如何应用于LLM的架构优化,特别是在层数与维度调整方面的最新进展,并通过代码实现展示简单的NAS实验。
|
4月前
|
机器学习/深度学习 算法 安全
差分隐私机器学习:通过添加噪声让模型更安全,也更智能
本文探讨在敏感数据上应用差分隐私(DP)进行机器学习的挑战与实践。通过模拟DP-SGD算法,在模型训练中注入噪声以保护个人隐私。实验表明,该方法在保持71%准确率和0.79 AUC的同时,具备良好泛化能力,但也带来少数类预测精度下降的问题。研究强调差分隐私应作为模型设计的核心考量,而非事后补救,并提出在参数调优、扰动策略选择和隐私预算管理等方面的优化路径。
342 3
差分隐私机器学习:通过添加噪声让模型更安全,也更智能
|
3月前
|
人工智能 自然语言处理 运维
【新模型速递】PAI-Model Gallery云上一键部署gpt-oss系列模型
阿里云 PAI-Model Gallery 已同步接入 gpt-oss 系列模型,提供企业级部署方案。
|
4月前
|
机器学习/深度学习 人工智能 算法
Post-Training on PAI (4):模型微调SFT、DPO、GRPO
阿里云人工智能平台 PAI 提供了完整的模型微调产品能力,支持 监督微调(SFT)、偏好对齐(DPO)、强化学习微调(GRPO) 等业界常用模型微调训练方式。根据客户需求及代码能力层级,分别提供了 PAI-Model Gallery 一键微调、PAI-DSW Notebook 编程微调、PAI-DLC 容器化任务微调的全套产品功能。
|
4月前
|
机器学习/深度学习 分布式计算 Java
Java 大视界 -- Java 大数据机器学习模型在遥感图像土地利用分类中的优化与应用(199)
本文探讨了Java大数据与机器学习模型在遥感图像土地利用分类中的优化与应用。面对传统方法效率低、精度差的问题,结合Hadoop、Spark与深度学习框架,实现了高效、精准的分类。通过实际案例展示了Java在数据处理、模型融合与参数调优中的强大能力,推动遥感图像分类迈向新高度。
|
4月前
|
机器学习/深度学习 存储 Java
Java 大视界 -- Java 大数据机器学习模型在游戏用户行为分析与游戏平衡优化中的应用(190)
本文探讨了Java大数据与机器学习模型在游戏用户行为分析及游戏平衡优化中的应用。通过数据采集、预处理与聚类分析,开发者可深入洞察玩家行为特征,构建个性化运营策略。同时,利用回归模型优化游戏数值与付费机制,提升游戏公平性与用户体验。
|
4月前
|
机器学习/深度学习 算法 Java
Java 大视界 -- Java 大数据机器学习模型在舆情分析中的情感倾向判断与话题追踪(185)
本篇文章深入探讨了Java大数据与机器学习在舆情分析中的应用,重点介绍了情感倾向判断与话题追踪的技术实现。通过实际案例,展示了如何利用Java生态工具如Hadoop、Hive、Weka和Deeplearning4j进行舆情数据处理、情感分类与趋势预测,揭示了其在企业品牌管理与政府决策中的重要价值。文章还展望了多模态融合、实时性提升及个性化服务等未来发展方向。

相关产品

  • 文件存储 NAS