PAI-EAS试用-ComfyUI

本文涉及的产品
交互式建模 PAI-DSW,5000CU*H 3个月
简介: 探索阿里云PAI平台的试用体验,试用地址在[PAI-EAS试用](https//developer.aliyun.com/topic/pai/svd?spm=a2c6h.27234800.J_6638147300.2.717259efR1C0is),提供丰富的资源,如A10服务器。

0 求赞

帮忙作品点个赞,感谢
https://developer.aliyun.com/topic/pai/svd?artworkNo=OVwhOtGbouQOGzgm

1 试用信息

1.1 试用地址

PAI-EAS试用

1.2 提供资源

bc2e72a54499448cb342dc8804cbe0ae.png
其中A10服务器在10元每小时左右,意味着我们可以使用的试用时间在40个小时以上。每天玩4小时,也可以玩10天了,练习完全够用。

2 具体过程

官方给了一个简单的指导文档,包括领用资源、部署模型等操作。视频讲解比文档更清晰些。
这里我简单说明一下部署的过程

2.1 选择自定义部署

bd75069512c24091a55bd5a49300ce76.gif

2.2 填写名称、镜像、硬件配置

e5efab760afb4139ac30b710213256e1.gif

然后等待完成。

2.3 更新信息

如果你那边也展示的是这样
493f4cf4b5ae4197af08418d4555ac22.png
我们就需要更新一下服务。更新之后就和文档里一样可以使用从web打开了。这个应该是一个bug,或者是浏览器兼容性问题。
bacbdcb4d8ab44a98acced1182cd46d4.gif

2.4 开始玩耍

点击查看web应用进入操作页面
79a47cf5adf94f7387220736b0438916.png
点击 提示词队列 即会开始执行整个工作流,从左侧的图片生成到右侧的视频生成。
绿色框框代表当前正在执行的环节。
28fc11cd4e3544bdbac2911c99de857b.png

2.5 模块说明

首先我们看看文生图部分。
先来说说Checkpoint,这个是工作流的起点。
ecb1be243f8441f68325deea88e8b1d0.png
这里有很多模型可供选择。我是2024-04-03玩的这个,2024-04-04写的这篇文章。玩的时候还没有anything这个模型,应该模型还在持续增加。
91d93b89728143e48d0aade2bd69eeff.png
每个模型训练使用的数据不同,擅长生成的图片类型也不同,建议先查查每个模型的成图示例。
或者每个模型都试试。
在测试过程中,我们可以将img2video模块暂时停用,以减少测试时间。启用操作类似。
06d08d3e72fd423ea30e904de15c45dd.gif
然后我们说说latent
5ac29a1415dd4d838618b1a05581d21c.png
latent可以理解为画板参数,即最终成图的大小以及数量。我们可以将它改成推荐的384*216。分辨率低,成图速度会更快。
2629dc3290f749f79729edb8235d1a9f.png
当一批多图时,这里点 叉号 就可以看到生成的所有图片了
9b1e296df9874469b1de06f8487ce041.png
38a1acf4624a4e318f7becad6205033e.png
然后是采样器,这里就复杂了,我也没研究清楚,欢迎大佬在评论区补充
f3c1546b02cb4cbdb2146d0c3729f863.png
然后是clip文本编码器,这个就是提示词了。分正面提示词和反面提示词。

70db04fa5857487c9dfbc97734151949.png
然后是视频生成部分,这里给个我用的参数,虽然生成的gif依然跟shi一样。可以参考一下。
欢迎大佬们留言分享。
b6849d8b17bc4590895fd0aae0644533.png

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。
目录
相关文章
|
13天前
|
机器学习/深度学习 数据采集 自然语言处理
理解并应用机器学习算法:神经网络深度解析
【5月更文挑战第15天】本文深入解析了神经网络的基本原理和关键组成,包括神经元、层、权重、偏置及损失函数。介绍了神经网络在图像识别、NLP等领域的应用,并涵盖了从数据预处理、选择网络结构到训练与评估的实践流程。理解并掌握这些知识,有助于更好地运用神经网络解决实际问题。随着技术发展,神经网络未来潜力无限。
|
8天前
|
人工智能 编解码 算法
使用 PAI-DSW x Free Prompt Editing图像编辑算法,开发个人AIGC绘图小助理
在本教程中,您将学习在阿里云交互式建模平台PAI-DSW x Free Prompt Editing图像编辑算法,开发个人AIGC绘图小助理,实现文本驱动的图像编辑功能单卡即可完成AIGC图片风格变化、背景变化和主体变化等功能。让我们一同开启这场旅程,为您的图像编辑添上无限可能性的翅膀吧。
|
5天前
|
机器学习/深度学习 算法
机器学习—KNN算法
机器学习—KNN算法
|
10天前
|
机器学习/深度学习 算法 数据处理
探索机器学习中的决策树算法
【5月更文挑战第18天】探索机器学习中的决策树算法,一种基于树形结构的监督学习,常用于分类和回归。算法通过递归划分数据,选择最优特征以提高子集纯净度。优点包括直观、高效、健壮和可解释,但易过拟合、对连续数据处理不佳且不稳定。广泛应用于信贷风险评估、医疗诊断和商品推荐等领域。优化方法包括集成学习、特征工程、剪枝策略和参数调优。
|
12天前
|
机器学习/深度学习 算法 数据挖掘
【机器学习】K-means算法与PCA算法之间有什么联系?
【5月更文挑战第15天】【机器学习】K-means算法与PCA算法之间有什么联系?
|
12天前
|
机器学习/深度学习 算法 数据挖掘
【机器学习】维度灾难问题会如何影响K-means算法?
【5月更文挑战第15天】【机器学习】维度灾难问题会如何影响K-means算法?
|
13天前
|
机器学习/深度学习 算法 数据挖掘
【机器学习】聚类算法中,如何判断数据是否被“充分”地聚类,以便算法产生有意义的结果?
【5月更文挑战第14天】【机器学习】聚类算法中,如何判断数据是否被“充分”地聚类,以便算法产生有意义的结果?
|
13天前
|
机器学习/深度学习 运维 算法
【机器学习】可以利用K-means算法找到数据中的离群值吗?
【5月更文挑战第14天】【机器学习】可以利用K-means算法找到数据中的离群值吗?
|
13天前
|
机器学习/深度学习 分布式计算 并行计算
【机器学习】怎样在非常大的数据集上执行K-means算法?
【5月更文挑战第13天】【机器学习】怎样在非常大的数据集上执行K-means算法?
|
13天前
|
机器学习/深度学习 算法 数据挖掘
【机器学习】列举几种情况,在这些情况下K-means算法难以取得较好效果
【5月更文挑战第13天】【机器学习】列举几种情况,在这些情况下K-means算法难以取得较好效果

热门文章

最新文章

相关产品

  • 人工智能平台 PAI