PAI-EAS快速部署AI绘画Stable Diffusion WebUI

本文涉及的产品
交互式建模 PAI-DSW,5000CU*H 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: 在本教程中,您将学习如何使用阿里云模型在线服务(PAI-EAS)的预置镜像,快速部署AIGC Stable Diffusion SDWebUI绘画的AI-Web应用,以及启动WebUI进行模型推理。

PAI-EAS快速部署AI绘画Stable Diffusion WebUI

1. 选择实验资源

本实验支持开通免费试用、个人账户资源两种实验资源方式。

在实验开始前,请您选择其中一种实验资源,单击确认开启实验

  • 如果您选择的是开通免费试用,下方卡片会展示本实验支持的试用规格,可以选择你要试用的云产品资源进行开通。您在实验过程中,可以随时用右下角icon唤起试用卡片。

说明:试用云产品开通在您的个人账号下,并占用您的试用权益如试用超出免费试用额度,可能会产生一定费用。

阿里云支持试用的产品列表、权益及具体规则说明请参考开发者试用中心

2. 准备环境及资源

本步骤指导您如何创建PAI-EAS。

如果您已创建PAI-EAS,请您选择个人账户资源,并跳过本小节,直接进行实验操作即可。

本步骤仅作为参考使用,您可以根据需求自行选择配置。

如果您选择的是开通免费试用,参考以下步骤创建PAI-EAS。

说明:PAI-EAS抵扣包只适用于本教程中的PAI-EAS产品。如果您领取了PAI-EAS抵扣包后,使用了PAI-EAS及PAI的其他产品功能(如PAI-DSW、PAI-DLC等),PAI-EAS产品产生的费用由抵扣包抵扣,其他产品功能产生的费用无法抵扣,会产生对应的费用账单。

  1. 在本实验页面下方卡片会展示本实验支持的试用规格,选择一个试用规格,单击立即试用

  1. 模型在线服务PAI-EAS面板,勾选服务协议后,单击立即试用,进入免费开通页面。
  2. 开通机器学习PAI并创建默认工作空间。其中关键参数配置如下,更多详细内容,请参见开通并创建默认工作空间。如果您后续使用RAM用户来部署模型,您需要将RAM用户添加为默认工作空间的成员,并配置管理员角色,详情请参见管理成员;同时,需要为RAM用户授予PAI-EAS的管理权限,详情请参见云产品依赖与授权:EAS
  • 本教程地域选择:华南2(河源)
  • 组合开通:本教程无需使用其他产品,去除勾选其他产品即可。
  • 服务角色授权:单击去授权,完成服务角色授权。

如果您选择的是个人账户资源,参考以下步骤创建PAI-EAS。

  1. 前往PAI控制台
  2. 开通机器学习PAI并创建默认工作空间。其中关键参数配置如下,更多详细内容,请参见开通并创建默认工作空间。如果您后续使用RAM用户来部署模型,您需要将RAM用户添加为默认工作空间的成员,并配置管理员角色,详情请参见管理成员;同时,需要为RAM用户授予PAI-EAS的管理权限,详情请参见云产品依赖与授权:EAS
  • 本教程地域选择:华南2(河源)
  • 组合开通:本教程无需使用其他产品,去除勾选其他产品即可。
  • 服务角色授权:单击去授权,完成服务角色授权。

3. 部署模型

  1. 进入PAI-EAS控制台。

1.1 登录PAI控制台

1.2 在左侧导航栏,单击工作空间列表

1.3 在工作空间列表页面,找到默认工作空间,单击默认工作空间名称。

1.4 在左侧导航栏,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。

说明:如果界面弹出一键授权对话框,单击授权即可。

  1. PAI EAS模型在线服务页面,单击部署服务

  1. 部署服务页面,单击新建服务,在模型服务信息配置以下关键参数,其他参数保持默认即可。

参数

描述

服务名称

自定义一个服务名称,本教程示例为sdwebui_test

部署方式

本教程选择镜像部署AI-Web应用

镜像选择

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

镜像配置完成后,系统会自动配置运行命令,您无需修改配置。

  1. 资源部署信息区域,配置如下参数。

参数

描述

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

  • 如果您使用免费试用资源,本教程实例规格选择试用活动页签的ecs.gn6i-c8g1.2xlarge.limit。 说明:阿里云免费试用提供的机型包括以下三种机型,仅选择试用活动页签下的这三种机型来部署服务产生的费用,才能使用抵扣包抵扣。 ecs.g6.xlarge.limit ecs.gn6i-c8g1.2xlarge.limit ecs.gn7i-c8g1.2xlarge.limit
  • 如果您使用个人账户资源,本教程实例规格选择GPU页签的ml.gu7i.c8m30.1-gu30。

额外系统盘

本教程不需要额外系统盘,请单击图标,关闭额外系统盘。

  1. 部署服务页面下方,单击部署

  1. 部署服务对话框中,单击确定

  1. PAI EAS模型在线服务页面,等待1~3分钟,当模型状态创建中变为运行中,表明服务已成功部署,您可继续后续的模型推理操作。

4. 启动WebUI进行模型推理

  1. PAI EAS模型在线服务页面,找到您创建的服务,单击其服务方式列下的查看Web应用

  1. 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。

例如,在提示词(Prompt)区域输入cute dog,单击生成,推理结果类似下图所示。

5. (可选)启动模型服务

说明:如果您部署的模型状态为运行中您可忽略此步骤。

如果30分钟未调用服务,服务实例会自动缩容为0,模型状态为已停止

如果需要再次使用,请在PAI EAS模型在线服务页面中,单击上述步骤中部署模型操作列下的启动。当模型状态已停止变为运行中,表明服务已运行正常。

6. 清理及后续

清理

  • 如果无需继续使用EAS服务,您可以按照以下操作步骤删除模型服务。
  1. 登录PAI控制台
  2. 在页面左上方,选择服务的地域
  3. 在左侧导航栏,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。
  4. 推理服务页面,单击目标服务操作列下的删除,删除模型服务。
  • 领取抵扣包后,请在抵扣包额度和有效期内使用。如果抵扣包额度用尽或超出有效期,继续使用计算资源,会产生后付费账单。

请前往节省计划页面,查看抵扣包剩余金额和过期时间。

  • 如果需要继续使用EAS服务,请务必至少在抵扣包额度用尽或试用到期1小时前为您的阿里云账号充值,到期未续费的EAS服务会因欠费而被自动停止。

后续

在抵扣包有效期期间,您还可自行构造测试数据,继续在SDWebUI页面进行推理验证。

实验链接:https://developer.aliyun.com/adc/scenario/d26ee739d4a245dbaa3b39e4ea24dd4f

相关实践学习
机器学习算法(一): 基于逻辑回归的分类预测
基于逻辑回归的分类预测。
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
|
14天前
|
机器学习/深度学习 人工智能 自然语言处理
探索自动化测试的未来:AI与机器学习的融合
【7月更文挑战第7天】在软件测试领域,自动化测试一直是提高效率和准确性的关键。随着人工智能(AI)和机器学习(ML)技术的快速发展,它们已经开始渗透到自动化测试的各个方面,从而开辟了新的可能性。本文将探讨AI和ML如何改变自动化测试的未来,包括智能测试脚本的生成、测试用例的优化、以及预测性维护的实施。我们将通过具体实例来分析这些技术如何提升测试过程的效率和有效性,并讨论实施这些技术时可能面临的挑战和解决方案。
19 2
|
6天前
|
机器学习/深度学习 人工智能 算法
理解机器学习:AI背后的驱动力
【7月更文第15天】在人工智能的广阔领域中,机器学习作为核心驱动力,正以前所未有的速度推动着技术革新和产业升级。本文旨在深入浅出地解析机器学习的基本原理,涵盖监督学习、无监督学习、以及强化学习这三大基石,并通过具体代码示例帮助读者更好地把握这些概念。
45 3
|
7天前
|
机器学习/深度学习 数据采集 PyTorch
PyTorch模型训练与部署流程详解
【7月更文挑战第14天】PyTorch以其灵活性和易用性在模型训练与部署中展现出强大的优势。通过遵循上述流程,我们可以有效地完成模型的构建、训练和部署工作,并将深度学习技术应用于各种实际场景中。随着技术的不断进步和应用的深入,我们相信PyTorch将在未来的机器学习和深度学习领域发挥更加重要的作用。
|
13天前
|
机器学习/深度学习 人工智能 算法
探索自动化测试的未来:AI与机器学习的融合
在软件测试领域,随着技术的不断进步,传统的手动测试方法正逐渐被自动化所取代。本文将深入探讨自动化测试的最新发展,特别是人工智能和机器学习如何改变测试过程、提升测试效率和准确性。文章将分析AI和ML技术在自动化测试中的应用案例,并预测这些技术未来的发展趋势。
|
11天前
|
机器学习/深度学习 人工智能 运维
智能化运维:AI与机器学习在IT管理中的应用
【7月更文挑战第10天】本文深入探讨了人工智能和机器学习如何革新传统的IT运维领域。文章首先界定了智能化运维的概念,随后分析了AI技术在故障预测、自动化处理和安全监控方面的应用实例,并讨论了实施智能化运维时面临的挑战及其克服策略。最终,文章展望了智能化运维的未来趋势,强调了持续学习和适应新技术的重要性。
|
17天前
|
机器学习/深度学习 人工智能 算法
探索自动化测试的未来:AI与机器学习的融合
【7月更文挑战第4天】本文旨在探讨自动化测试领域未来的发展动向,特别是人工智能(AI)和机器学习(ML)技术如何革新软件测试实践。我们将分析这些先进技术对测试流程、工具选择、结果分析和质量保证的影响,并预测它们将如何塑造自动化测试的未来趋势。
|
18天前
|
机器学习/深度学习 数据采集 人工智能
|
21天前
|
机器学习/深度学习 人工智能 Java
人工智能平台PAI产品使用合集之已经通过自定义镜像部署了一个模型,想要上传并导入其他模型,该如何操作
阿里云人工智能平台PAI是一个功能强大、易于使用的AI开发平台,旨在降低AI开发门槛,加速创新,助力企业和开发者高效构建、部署和管理人工智能应用。其中包含了一系列相互协同的产品与服务,共同构成一个完整的人工智能开发与应用生态系统。以下是对PAI产品使用合集的概述,涵盖数据处理、模型开发、训练加速、模型部署及管理等多个环节。
|
20天前
|
机器学习/深度学习 人工智能 算法
探索自动化测试的未来:AI与机器学习的融合
【6月更文挑战第30天】在本文中,我们将探讨自动化测试领域的最新趋势,特别是人工智能(AI)和机器学习(ML)技术如何正在改变软件测试的面貌。文章将详细讨论这些先进技术如何提高测试效率、准确性和适应性,同时也会分析它们带来的挑战和机遇。通过具体的案例研究和行业应用示例,本文旨在为读者提供对自动化测试未来发展方向的深入理解。
|
21天前
|
机器学习/深度学习 人工智能 Java
Java与AI集成开发:机器学习模型部署
Java与AI集成开发:机器学习模型部署

相关产品

  • 人工智能平台 PAI