من سعی می کنم به محض اینکه شاگرد من شدید، برای زبان مادری شما زیرنویس اضافه کنم. در حال حاضر ما 100٪ انگلیسی صحیح و 99٪ + صحیح آفریکانس، عربی، بنگالی، چک، دانمارکی، هلندی، فنلاندی، فرانسوی، آلمانی، عبری، هندی، مجارستانی، اندونزیایی، ایرلندی، ایتالیایی، ژاپنی، کره ای، لیتوانیایی، مالایی، زیرنویسهای لهستانی، پرتغالی، رومانیایی، چینی ساده شده، اسلواکی، اسپانیایی، سوئدی، تایلندی، چینی سنتی، ترکی، ویتنامی.
سخنرانی 1: نحوه نصب پایتون، راه اندازی محیط مجازی VENV، تنظیم پیش فرض مسیر سیستم Python Install Git
نحوه نصب پایتون، چندین نصب پایتون، تنظیم نسخه پیش فرض پایتون در سطح سیستم. نحوه نوشتن venv برای هر نصب پایتون، تغییر مسیر پیشفرض پایتون و نصب صحیح رابط وب SD.
0:00 راهنمای بسیار جامع برای نصب پایتون در ویندوز
1:11 CMD - Command Prompt چیست
1:56 چگونه یک پنجره cmd را باز کنیم و از آن استفاده کنیم
2:04 نحوه اجرای cmd به عنوان سرپرست
2:17 Git چیست و چرا به Git نیاز داریم
2:35 نحوه دانلود و نصب Git
3:30 چرا به Git large نیاز داریم و چگونه Git large را دانلود و نصب کنیم
3:50 چرا به نسخههای خاص پایتون نیاز داریم
4:03 چگونه هر نسخه پایتون را دانلود و نصب کنیم
4:32 چگونه می توان تأیید کرد که پایتون نصب شده است یا نه
4:55 چگونه نصب پایتون را سفارشی کنیم
5:17 چک باکس افزودن مسیر پایتون در حین نصب
6:20 چگونه نسخه نصب شده پایتون خود را تأیید کنیم
6:35 نحوه تغییر یا تنظیم مسیر متغیرهای محیطی سیستم در پایتون
7:15 نحوه نصب نسخه پایتون دیگر - نصب های متعدد پایتون
8:30 نحوه تغییر نسخه پیشفرض پایتون هنگام داشتن چندین نصب پایتون
9:30 نحوه استفاده از نصب خاص پایتون هنگام داشتن چند پایتون
9:35 Python venv چیست و چرا به آن نیاز داریم
10:40 چگونه cmd را در دایرکتوری خاص شروع کنیم
10:55 چگونه یک Python venv
بنویسیم11:19 چگونه پایتون venv را فعال کنیم
11:58 نحوه نوشتن venv از نسخه های مختلف پایتون
13:39 نسخه نمایشی جداسازی بسته نصب شده از سایر نصب های پایتون در داخل venv
14:17 کجا می توان بسته های نصب شده را در پوشه نصب پایتون پیدا کرد
14:50 نحوه نوشتن یک اسکریپت bash برای فعال کردن خودکار Python venv و شروع یک cmd
15:24 نحوه مشاهده پسوند فایل ها در ویندوز
15:43 خود اسکریپت برای فعال کردن venv و شروع cmd
17:11 نحوه نصب Stable Diffusion Automatic1111 web UI
17:30 نحوه استفاده از Git clone برای دانلود کل پروژه از مخزن GitHub
Lecture 2: Zero to Hero ControlNet Tutorial: Stable Diffusion Web UI Extension | راهنمای کامل ویژگی
من در این ویدیو نحوه نصب برنامه افزودنی Automatic1111 Web UI ControlNet را از ابتدا نشان می دهم. علاوه بر این، من نشان میدهم که چگونه میتوان کدهای QR شگفتانگیز و نقاشی درونی و بیرونی ControlNet ایجاد کرد که بسیار شبیه به پر کردن فتوشاپ و کوچکنمایی Midjourney است. علاوه بر این، ویژگیهای Canny، Depth، Normal، OpenPose، MLSD، Lineart، SoftEdge، Scribble، Seg، Shuffle، Tile، Inpaint، IP2P، Reference، T2IA ControlNet را توضیح داده و نشان میدهم.
0:00 مقدمه ای بر پیشرفته ترین آموزش zero to hero ControlNet
2:55 نحوه نصب Stable Diffusion Automatic1111 Web UI از ابتدا
5:05 چگونه پسوند فایل هایی مانند bat.
را ببینیم6:15 آرگومان های خط فرمان Automatic1111 را کجا می توان پیدا کرد و آنها چه هستند
6:46 نحوه اجرای Stable Diffusion و ControlNet روی یک GPU ضعیف
7:37 فایل های مدل Stable Diffusion دانلود شده را کجا قرار دهیم
8:29 نحوه دادن مسیر پوشه های مختلف به عنوان مسیر مدل - می توانید مدل ها را در درایو دیگری ذخیره کنید
9:15 نحوه شروع استفاده از Stable Diffusion از طریق Automatic1111 Web UI
10:00 رفتار انجماد رابط خط فرمان
10:13 نحوه بهبود تولید تصویر Stable Diffusion با فایل VAE بهتر
11:39 پیشفرض VAE در مقابل بهترین مقایسه VAE
11:50 نحوه تنظیم میانبرهای سریع برای VAE و Clip Skip برای Automatic1111 Web UI
12:30 نحوه ارتقا xFormers به آخرین نسخه در Automatic1111
13:40 xFormers و بهینه سازهای دیگر چیست
14:26 نحوه نصب افزونه ControlNet Automatic1111 Web UI
18:00 نحوه دانلود مدل های ControlNet
19:40 نحوه استفاده از مدل های سفارشی Stable Diffusion با Automatic1111 Web UI
21:24 چگونه افزونه ControlNet را به آخرین نسخه به روز کنیم
22:53 این را درست تنظیم کنید، به اسکریپت های دیگر اجازه دهید تا افزونه ControlNet را کنترل کنند
24:37 نحوه ایجاد تصاویر کد QR شگفت انگیز با ControlNet
30:59 بهترین تنظیمات برای تولید تصویر کد QR
31:44 گزینه Depth ControlNet چیست و چگونه از آن استفاده کنید
33:28 Depth_leres++ از ControlNet
34:15 Depth_zoe ControlNet
34:22 اطلاعات رسمی نقشه های عمق
نقشه عادی ControlNet 34:49
نقشه 35:34 Normal Midas
36:05 اطلاعات رسمی نقشه های عادی
34:49 مدل ControlNet Canny
37:42 اطلاعات رسمی Canny
37:55 مدل خطوط مستقیم ControlNet MLSD
39:08 اطلاعات رسمی خطوط مستقیم MLSD
39:18 مدل ControlNet Scribble
40:28 چگونه از تصاویر خط خطی خود استفاده کنید و آنها را به آثار هنری شگفت انگیز تبدیل کنید
40:45 زمان انتخاب هیچکدام در بخش پیش پردازنده
41:20 درخواست من مهمتر است
41:36 ControlNet مهمتر است
42:01 اطلاعات رسمی Scribble
42:11 مدل ControlNet Softedge
43:12 اطلاعات رسمی SoftEdge
43:22 مدل تقسیم بندی ControlNet (Seg)
43:55 چگونه درخواست خود را برای استفاده صحیح از بخش بندی تغییر دهید
44:10 ارتباط اعلان با بخش هایی که ControlNet پیدا می کند
44:41 چگونه با ControlNet دیوار خود را به نقاشی تبدیل کنیم
45:33 چرا هیچ پیش پردازنده ای را انتخاب نکردم
43:06 اطلاعات رسمی بخش بندی (Seg)
46:16 ماژول پوز ControlNet را باز کنید
46:40 نحوه نصب و استفاده از ویرایشگر OpenPose
50:58 اطلاعات رسمی OpenPose
51:08 مدل ControlNet Lineart
اشکال پیشنمایش پیشپردازنده 51:36
54:21 خطی واقعی به نمونه هنری شگفت انگیز
56:34 چگونه با استفاده از Lineart از ControlNet، تصاویر لوگوی شگفت انگیز ایجاد کنیم
58:16 تفاوت بین فقط تغییر اندازه، برش و تغییر اندازه، و تغییر اندازه و پر کردن
59:02 ControlNet Shuffle Model
1:00:50 اطلاعات رسمی Shuffle
1:02:36 Multi-ControlNet چیست و چگونه از آن استفاده کنیم
1:04:05 دستور pix2pix از ControlNet
1:06:00 ویژگی Inpainting ControlNet
1:07:49 ControlNet inpainting در مقابل Automatic1111 inpainting
1:07:59 چگونه می توان قدرت واقعی رنگ آمیزی ControlNet را بدست آورد (نکته: با کاشی کاری)
1:09:00 نحوه ارتقاء و افزودن جزئیات به تصاویر با نقاشی + کاشی کاری
1:09:30 اصلاح رنگ کاشی + واضح برای به دست آوردن نتایج بهتر
1:10:35 اصلاح رنگ کاشی + مقایسه نتایج نمونهگیری مجدد کاشی تیز و قدیمی
1:11:20 نحوه استفاده از ویژگی پر کردن مولد فتوشاپ در ControlNet برای حذف اشیا
1:12:58 چگونه تصویر را با ControlNet (ویژگی کوچک نمایی midjourney 5.2) خارج کنیم
1:14:17 منطق نقاشی پیشی
1:14:40 چگونه به راحتی به نقاشی پیشی ادامه دهیم
1:16:06 کاشی کاری ControlNet - تغییر دهنده نهایی بازی برای ارتقاء مقیاس
1:17:19 چگونه با کاشی کاری بدون آموزش تصویر خود را به یک تصویر کاملا سبک تبدیل کنید
1:20:57 ویژگی فقط مرجع ControlNet
1:22:29 اطلاعات رسمی حالت مرجع
1:22:39 انتقال سبک (T2IA) ControlNet
1:26:54 نحوه نصب و استفاده از ControlNet در RunPod
سخنرانی 3: چگونه با استفاده از DeepFace AI بهترین تصاویر تولید شده با انتشار پایدار را پیدا کنیم - DreamBooth/آموزش LoRA
اگر شما نیز از تلاش برای یافتن تصاویر خوب در میان هزاران تصویر تولید شده خسته شده اید، دیگر مجبور نیستید. با استفاده از کتابخانه DeepFace AI، می توانید تصاویر را بر اساس شباهت آنها به تصاویر هدف خود مرتب کنید و به سرعت بهترین تصاویر تولید شده با مدل آموزش دیده با مدل Stable Diffusion DreamBooth LoRA را پیدا کنید. من همه چیز را مرحله به مرحله توضیح می دهم و این آموزش به دانش فنی 0 نیاز دارد.
0:00 مقدمه ای بر کاری که DeepFace انجام می دهد و نحوه استفاده از آن
0:58 فرض کنید شما 2000 تصویر ایجاد کرده اید که چگونه می توانید تصاویر خوب داشته باشید
1:17 این رویکرد می تواند برای اهداف تجاری حرفه ای استفاده شود
1:32 اگر با Stable Diffusion یا تولید تصویر تازه کار هستید
2:17 شروع با نوشتن venv برای نصب DeepFace
3:18 تصاویر مجموعه داده آموزشی که برای این آموزش استفاده کرده ام
3:57 من بیش از 3000 تصویر ایجاد کرده ام
4:06 اعلانهایی که برای تولید تصاویر استفاده کردهام - نحوه استفاده از اطلاعات PNG برای یافتن درخواستهای استفاده شده
5:23 نحوه نوشتن و استفاده از DeepFace بهترین اسکریپت یافتن تصاویر
9:18 نحوه استفاده از نمایش اسکریپت پس از نوشتن و تنظیم آن
11:20 توضیح مقادیر نمایش داده شده در طول زمان اجرا اسکریپت
12:18 تصاویر مرتب شده از بهترین به بدترین
سخنرانی 4: ایجاد عکس های واقعی با کیفیت استودیو توسط Kohya LoRA Stable Diffusion Training - آموزش کامل
آموزش کامل Kohya SS web GUI DreamBooth LoRA. برای دنبال کردن این آموزش نیازی به دانش فنی ندارید. در این آموزش نحوه ایجاد تصاویر پرتره/خود با کیفیت حرفه ای استودیو عکس را به صورت رایگان با آموزش Stable Diffusion توضیح داده ام.
0:00 مقدمه ای بر آموزش Kohya LoRA و کیفیت استودیو نسل عکس واقعی هوش مصنوعی
2:40 نحوه دانلود و نصب رابط کاربری گرافیکی Kohya برای انجام آموزش Stable Diffusion
5:04 نحوه نصب فایلهای dll جدیدتر cuDNN برای افزایش سرعت آموزش
6:43 نحوه ارتقاء به آخرین نسخه نصب شده قبلی Kohya GUI
7:02 نحوه راه اندازی Kohya GUI از طریق cmd
8:00 نحوه تنظیم صحیح پارامترهای آموزشی DreamBooth LoRA
8:10 نحوه استفاده از مدل های دانلود شده قبلی برای انجام آموزش Kohya LoRA
8:35 چگونه مدل Realistic Vision V2 را دانلود کنیم
8:49 نحوه آموزش با نسخه های Stable Diffusion 2.1 512px و 768px
9:44 نمونه/فعال سازی و تنظیمات درخواست کلاس
10:18 از چه نوع مجموعه داده آموزشی باید استفاده کنید
11:46 توضیح تعداد تکرارها در آموزش Kohya DreamBooth LoRA
13:34 چگونه بهترین فایل VAE را برای کیفیت تولید تصویر بهتر تنظیم کنیم
13:52 نحوه تولید تصاویر طبقه بندی/منظم از طریق Automatic1111 Web UI
16:53 نحوه آماده کردن شرح تصاویر و زمانی که به شرح تصاویر نیاز دارید
17:48 از چه نوع تصاویر منظمی استفاده کرده ام
18:04 نحوه تنظیم پوشه های آموزشی
18:57 بهترین تنظیمات آموزش LoRA برای حداقل مقدار VRAM دارای GPU
21:47 چگونه وضعیت تمرین را ذخیره کنیم و بعداً ادامه دهیم
22:44 نحوه ذخیره و بارگیری تنظیمات آموزشی Kohya
23:31 چگونه می توان تعداد گام های 1 دوره را هنگام بررسی تعداد تکرار محاسبه کرد
24:41 چگونه تصمیم بگیریم در هنگام شمارش تکرار چند دوره در نظر گرفته شود
26:00 توضیح پارامترهای خط فرمان نمایش داده شده در طول آموزش
28:19 پسوند شرح در حال تغییر
29:24 بعد از زمانی که یک ایست بازرسی دریافت می کنیم و پست های بازرسی در آنجا ذخیره می شوند
29:57 نحوه استفاده از فایلهای ایمنی LoRA تولید شده در رابط کاربری وب SD Automatic1111
30:45 چگونه LoRA را در رابط کاربری وب انتشار پایدار فعال کنیم
31:30 نحوه مقایسه x/y/z ایست بازرسی نقاط بازرسی LoRA برای یافتن بهترین مدل
33:29 چگونه می توان کیفیت چهره تصاویر تولید شده را با وضوح بالا بهبود بخشید
36:00 18 آزمایشهای مختلف پارامترهای آموزشی که انجام دادهام و مقایسه نتایج آنها
36:42 نحوه آزمایش 18 ایست بازرسی LoRA مختلف با نمودار x/y/z
39:18 نحوه تنظیم صحیح تعداد دورهها و ذخیره نقاط بازرسی هنگام کاهش تعداد تکرار
40:36 نحوه استفاده از نقاط بازرسی Kohya DyLora، LoCon، LyCORIS/LoCon، LoHa در Automatic1111 Web UI
42:12 نحوه نصب Torch 1.13 به جای 1.12 و xFormer های جدیدتر سازگار با این نسخه
43:06 چگونه اسکریپت های Kohya را بسازیم تا از GPU دوم شما به جای GPU اصلی استفاده کند
سخنرانی 5: پایان عکاسی - استفاده از هوش مصنوعی برای ساختن عکس های استودیویی خود، رایگان از طریق آموزش DreamBooth
Dreambooth بهترین روش تمرین برای Stable Diffusion است. در این آموزش، نحوه نصب افزونه Dreambooth Automatic1111 Web UI را از ابتدا نشان می دهم. علاوه بر این، من ماهها کار خود را بر روی جریان کار رئالیسم نشان میدهم که به شما امکان میدهد از طریق آموزش Dreambooth تصاویری با کیفیت استودیویی از خود تولید کنید. علاوه بر این، من اسکریپت نصب خودکار خود را برای برنامه افزودنی DreamBooth به اشتراک می گذارم.
0:00 آموزش Dreambooth با Automatic1111 Web UI
1:44 نحوه نصب افزونه DreamBooth از Automatic1111 Web UI
اسکریپت نصب خودکار 2:37 برای برنامه افزودنی DreamBooth
نصب دستی برنامه افزودنی DreamBooth 3:20
3:30 نحوه استفاده از نسخه قدیمی/خاص Auto1111 یا DreamBooth با پرداخت git
4:30 بخش نصب دستی اصلی برنامه افزودنی DreamBooth
4:57 نحوه بهروزرسانی دستی افزونه DreamBooth که قبلاً نصب شده است به آخرین نسخه
5:44 نحوه نصب الزامات برنامه افزودنی DreamBooth
7:15 نحوه استفاده از برنامه افزودنی DreamBooth
7:25 چگونه مدل آموزشی خود را در برنامه افزودنی DreamBooth بسازیم
7:35 بهترین مدل پایه و تنظیمات برای آموزش رئالیسم در DreamBooth
7:51 نسخههای نصب شده پایتون، xFormers، Torch، Auto1111 را کجا پیدا کنیم
8:10 چگونه پنجره CMD منجمد یا در حال پیشرفت را حل کنیم
8:23 جایی که فایل های آموزشی ایجاد شده DreamBooth (دیفیوزرهای بومی) ذخیره می شوند
8:37 جایی که فایل های آموزشی Stable Diffusion ذخیره می شوند
8:57 مدل آموزشی را انتخاب کنید و شروع به تنظیم پارامترها برای بهترین واقع گرایی کنید
9:07 نحوه ادامه آموزش بعداً
9:38 کدام پیکربندی (برگه تنظیمات) برای بهترین رئالیسم و بهترین آموزش
تنظیمات برگه مفهومی 12:14
12:28 چگونه مجموعه داده های تصاویر آموزشی خود را با اسکریپت برش انسانی من و پیش پردازش آماده کنیم
13:43 چه نوع تصاویر آموزشی باید برای آموزش DreamBooth داشته باشید
14:52 به تنظیم مجدد پارامترها برای برگه مفاهیم ادامه دهید
15:02 همه چیز در مورد طبقه بندی/تنظیم تصاویر استفاده شده در آموزش Dreambooth/LoRA
16:07 از تصاویر طبقه بندی بر اساس تصاویر واقعی از پیش آماده شده برای این آموزش استفاده شده
16:55 نحوه تولید تصاویر طبقه بندی شده با استفاده از مدل آموزش دیده
17:22 نحوه تولید تصاویر با Automatic1111 برای همیشه تا زمان لغو
18:09 نحوه استفاده از شرح تصاویر با پسوند DreamBooth از طریق فایل وورد
18:25 چگونه برای تصاویر آموزشی یا کلاس به طور خودکار زیرنویس ایجاد کنیم
18:35 نحوه استفاده از BLIP یا deepbooru برای زیرنویس
19:25 وقتی عنوان تصویر خوانده می شود چه اتفاقی می افتد، خروجی نهایی درخواست نمونه چیست
19:59 نحوه تنظیم تصاویر کلاس در هر نمونه
20:32 استفاده از عکس های واقعی به عنوان تصاویر طبقه بندی چه فایده ای دارد
21:42 نحوه شروع آموزش پس از تنظیم تمام تنظیمات
23:05 آموزش شروع شد، پیام ها در CMD نمایش داده شد
23:47 هنگامی که تصاویر طبقه بندی جدیدی تولید می کند
25:52 چه می شود اگر پردازنده گرافیکی قدرتمندی برای آموزش با چنین کیفیتی نداشته باشید
26:55 نحوه مقایسه ایست بازرسی x/y/z برای یافتن بهترین ایست بازرسی
28:43 نحوه نامگذاری نقاط بازرسی هنگام ذخیره - 1 مرحله تعداد دوره
30:05 بهترین فایل VAE که برای بهترین کیفیت استفاده می کنم
30:36 نحوه باز کردن نتایج مقایسه نمودار x/y/z و ارزیابی آنها
33:20 چگونه هزاران تصویر تولید شده را با بهترین شباهت و در نتیجه کیفیت مرتب کنیم
34:39 نحوه بهبود کیفیت تصویر تولید شده از طریق 2 متدولوژی مختلف inpainting
36:56 نتایج را با inpainting + ControlNet
بهبود دهید38:50 چه چیزی برای دریافت تصاویر با کیفیت خوب پس از نقاشی داخلی مهم است
سخنرانی 6: نحوه استفاده از Stable Diffusion X-Large (SDXL) در Google Colab به صورت رایگان
SDXL در حال حاضر در نسخه بتا است و در این ویدیو نحوه استفاده رایگان از آن را در Google Colab به شما نشان خواهم داد. امیدواریم نحوه استفاده در رایانه شخصی و آموزش های RunPod نیز در راه باشد.
0:00 نحوه استفاده رایگان از SDXL در Google Colab
0:18 نحوه پذیرش قرارداد SDXL و دریافت وزن
0:43 نحوه ایجاد نشانه دسترسی Hugging Face
1:07 نحوه راه اندازی صحیح Colab برای دریافت GPU و استفاده از SDXL
2:14 تنظیمات پیشرفته Google Colab gradio برای SDXL
2:48 در Google Colab برای SDXL
سخنرانی 7: Stable Diffusion XL (SDXL) به صورت محلی در رایانه شما - 8 گیگابایت VRAM - آموزش آسان با نصب کننده خودکار
SDXL در حال حاضر در نسخه بتا است و در این ویدیو به شما نشان خواهم داد که چگونه از آن استفاده کنید و آن را روی رایانه شخصی خود نصب کنید. این آموزش باید روی همه دستگاه ها از جمله ویندوز، یونیکس، مک کار کند، حتی ممکن است با AMD کار کند، اما من نتوانستم آن را آزمایش کنم. من همچنین تنظیمات 8 گیگابایت VRAM را نشان داده ام، بنابراین فراموش نکنید که آن فصل را تماشا کنید.
0:00 نحوه استفاده از SDXL به صورت محلی در رایانه شخصی
1:01 نحوه نصب از طریق اسکریپت نصب کننده خودکار
1:35 شروع نصب دستی
1:47 نحوه پذیرش شرایط و ضوابط برای دسترسی به وزنها و فایلهای مدل SDXL (تأیید فوری)
2:08 صفحه توافقنامه چگونه به نظر می رسد و نحوه پر کردن فرم برای دسترسی فوری
2:38 نحوه ایجاد نشانه دسترسی Hugging Face
2:53 ادامه نصب دستی
3:36 نصب خودکار تکمیل شد. نحوه شروع استفاده از SDXL
4:00 چگونه توکن Hugging Face خود را اضافه کنیم تا Gradio کار کند
4:45 ادامه نصب دستی
5:19 نصب دستی کامل شد. نحوه شروع استفاده از SDXL
6:17 نحوه حذف فایلهای مدل و وزن حافظه پنهان
6:44 چگونه برنامه فایلهای وزنی را دانلود میکند که
را به صورت زنده نشان میدهند7:20 تنظیمات پیشرفته Gradio APP SDXL
8:11 سرعت تولید تصویر با RTX 3090 TI
8:39 تصاویر تولید شده در کجا ذخیره می شوند
9:44 8 گیگابایت تنظیمات VRAM - حداقل تنظیمات VRAM برای SDXL
10:06 نحوه مشاهده پسوند فایل در ویندوز
سخنرانی 8: آموزش نهایی RunPod برای انتشار پایدار - Automatic1111 - انتقال داده، برنامه های افزودنی، CivitAI
این آموزش استاد بزرگ برای اجرای Stable Diffusion از طریق Web UI در سرویس های ابری RunPod است. این سخنرانی برای یادگیری سایر سخنرانی های RunPod من ضروری است.
0:00 مقدمه
1:32 چگونه RunPod.io را ثبت کنید و اعتبارات خود را شارژ کنید
2:34 نحوه استقرار یک پاد - راه اندازی سرور برای Stable Diffusion 1.5 Automatic1111 Web UI
3:30 نحوه انتخاب الگوی استقرار برای Stable Diffusion Web UI در RunPod
4:00 توضیح دیسک موقت و صدای دائمی
4:44 توضیح هزینه اعتبار در دقیقه برای استفاده از فضای ذخیره سازی در RunPod
8:10 بخش My Pods
8:30 به Pod شروع شده وصل شوید
8:41 SD نسخه 2.1 Web UI Pod
را شروع کنید9:25 چرا یک Pod کمتر استفاده شده انتخاب کنید
10:53 سیستم مناقصه RunPod .io
13:11 کجا و چگونه می توان تعمیر و نگهداری برنامه ریزی شده را مشاهده کرد
13:31 توقف پاد در مقابل خاتمه (حذف) پاد
14:24 کجا می توان گزارش های مربوط به اشکال زدایی و درک خطاها را مشاهده کرد
15:08 Pod خود را از طریق رابط Jupyter Lab وصل کنید
15:16 نحوه تغییر آرگومان های خط فرمان Automatic1111 Web UI و راه اندازی مجدد آن
17:54 اولین درخواست در RunPod Automatic1111 Web UI
18:45 کجا می توان گزارش ها را مشاهده کرد، گزارش های خطا را پیدا کرد، آنها را اشکال زدایی کرد
19:35 نحوه نصب افزونه DreamBooth از Automatic1111 Web UI
20:58 جایی که تصاویر تولید شده ذخیره می شوند
21:10 چگونه تصاویر تولید شده را دانلود کنیم
21:38 چگونه افزونه های نصب شده را به روز کنیم
21:55 چگونه به خطای پورت پی ببریم و آن را برطرف کنیم
23:04 نحوه نصب آخرین نسخه runpodctl برای انتقال سریع فایل ها بین پاد و کامپیوتر
23:55 چگونه یک فایل ckpt را خیلی سریع از مخزن Hugging Face دانلود کنیم
25:10 آموزش DreamBooth را با بهترین مدل و تنظیمات شروع کنید
30:41 چگونه تصاویر مجموعه داده آموزشی خود را آپلود کنیم
34:15 چگونه هزاران تصویر (داده بزرگ) را از رایانه خود در RunPod از طریق runpodctl آپلود کنیم
34:28 چگونه RunPodCTL را در رایانه ویندوزی خود نصب کنیم
35:06 نحوه ارسال فایل ها از رایانه شخصی به RunPod از طریق runpodctl
39:38 کجا می توان نقاط بازرسی تولید شده و تصاویر نمونه را در طول آموزش DreamBooth پیدا کرد
41:30 نحوه حذف پوشه غیر خالی
41:51 حتی با وجود اینکه xformers در طول تمرین انتخاب نشده است، هنوز آموزش شکسته و نحوه رفع آن
42:29 چگونه یک پوشه را از RunPod به رایانه شخصی خود از طریق runpodctl خیلی سریع دانلود کنیم
43:09 نحوه اضافه کردن runpodctl به مسیر محیطی برای استفاده از هر پوشه
47:25 نحوه ادامه/ازسرگیری آموزش DreamBooth
48:20 تمام نقاط بازرسی آموزشی را با نمودار x/y آزمایش کنید تا بهترین را پیدا کنید
52:09 نحوه تنظیم آرگومان های خط فرمان صحیح برای SD 2.1
52:55 اعتبارات صرف شده فعلی در ساعت را کجا می توان دید
54:05 نحوه انجام آموزش DreamBooth در نسخه SD 2.1 - 768 پیکسل با بهترین تنظیمات ممکن
57:42 نحوه تولید تصاویر طبقه بندی به صورت دستی بسیار سریع
1:00:26 چرا SD 1.5 برتر از 2.1 است
1:04:34 چگونه مدل های سفارشی را خیلی سریع از CivitAI دانلود کنیم
1:08:45 چگونه آموزش وارونگی متنی را با برخی تنظیمات بهینه انجام دهیم
1:13:00 جایی که نمونههای آموزشی وارونگی متنی و نقاط بازرسی ذخیره میشوند
1:14:07 نحوه استفاده از نقاط بررسی وارونگی متنی
1:15:55 تصاویر طبقه بندی SD 2.1 تولید شده را به پوشه صحیح منتقل کنید
1:19:26 نحوه نصب و اجرای برنامه افزودنی ControlNet در RunPod IO
1:21:11 چگونه فایل های مدل آموزش دیده (ckpt) خود را از طریق runpodctl بسیار سریع در رایانه خود بارگیری کنید
1:25:00 نحوه ارتقا xformers به 0.0.17 برای آموزش DreamBooth SD 2.1
1:26:04 نحوه گسترش فضای دیسک زمان اجرا
1:27:21 بهترین تنظیمات برای SD 2.1 با xformers
1:31:30 تنظیم دقیق Stable Diffusion چیست و چگونه با DreamBooth تنظیم دقیق انجام دهیم
1:39:20 جمع بندی سریع بهترین تنظیمات برای SD 2.1 برای 24 گیگابایت VRAM
1:40:34 نحوه نصب و اجرای Kohya GUI در RunPod
1:44:16 نحوه فعال کردن پیوند عمومی Gradio برای Kohya GUI
1:44:52 چگونه RunPods را بدون GPU راه اندازی کنیم
1:46:53 ابر دادهها/محتوای Pod شما را میگیرد
سخنرانی 9: آموزش نحوه استفاده از SDXL در RunPod. Auto Installer Refiner Amazing Native Diffusers Based Gradio
شما پردازنده گرافیکی خوبی ندارید یا نمی خواهید از Google Colab ضعیف استفاده کنید؟ در اینجا نحوه نصب و استفاده از Stable Diffusion XL (SDXL) در RunPod است. نحوه دانلود و نصب مرحله به مرحله من همچنین یک اسکریپت نصب خودکار ارائه می کنم. در RunPod با پردازنده گرافیکی ارزان قیمت RTX3090 بسیار سریع کار می کند. برنامه Gradio مشترک مبتنی بر پخش کننده های بومی است، بنابراین بسیار سریع و صحیح کار می کند.
0:00 نحوه نصب و استفاده از SDXL در RunPod Tutorial
1:12 کدام پاد را باید برای SDXL با کدام تنظیمات انتخاب کنید
2:26 نحوه استفاده از اسکریپت نصب خودکار برای نصب SDXL در RunPod
3:16 نحوه نصب دستی SDXL در RunPod مرحله به مرحله
3:47 نحوه پذیرش شرایط خدمات مخزن SDXL
5:24 نحوه دانلود/شبیه سازی مخزن SDXL
7:40 نحوه اجرای SDXL پس از نصب
8:15 نحوه استفاده از رابط کاربری SDXL Gradio برای تولید تصاویر
9:03 خروجی پایه SDXL در مقابل مقایسه خروجی تصفیه شده
9:32 چگونه پاد خود را حذف کنید تا پولی خرج نکنید
9:48 چگونه دستورهای Midjourney را امتحان کنیم و با SDXL مقایسه کنیم
برگه تنظیمات پیشرفته 10:25 رابط SDXL gradio برای اندازه دسته، قدرت پالایشگر و مقدار CFG
12:00 تعداد مراحل 100 آزمایش
12:29 جایی که تصاویر تولید شده ذخیره/ذخیره می شوند
14:00 مقایسه تصویر بیشتر بین SDXL و Midjourney
15:18 نحوه خاموش کردن نمایش تصاویر مدل های غیر پالایش کننده/پایه
16:43 توضیح استحکام و پالایشگر SDXL
سخنرانی 10: آموزش ComfyUI - نحوه نصب ComfyUI در ویندوز و Google Colab | SDXL | انتشار پایدار
ComfyUI یک رابط کاربری گرافیکی قدرتمند و مدولار Stable Diffusion و باطن مبتنی بر گره است. این رابط کاربری به شما این امکان را می دهد که خطوط لوله انتشار پایدار پیشرفته را با استفاده از یک رابط مبتنی بر نمودار/گره/فلوچارت طراحی و اجرا کنید. در این ویدیو نحوه نصب ComfyUI بر روی کامپیوتر، گوگل کولب (رایگان) و ران پاد را به شما آموزش می دهم. همچنین نحوه نصب و استفاده از SDXL با ComfyUI را به شما نشان خواهم داد، از جمله نحوه انجام inpainting و استفاده از LoRA با ComfyUI. این آموزش Zero to Hero ComfyUI است.
0:00 مقدمه آموزش 0 تا Hero ComfyUI
1:26 نحوه نصب ComfyUI در ویندوز
2:15 نحوه به روز رسانی ComfyUI
2:55 To برای نصب مدل های Stable Diffusion در ComfyUI
3:14 نحوه دانلود مدل های Stable Diffusion از Hugging Face
4:08 نحوه دانلود Stable Diffusion x large (SDXL)
5:17 فایلهای نقطه چک مدل VAE و Stable Diffusion دانلود شده را در نصب ComfyUI کجا قرار دهیم
6:07 چگونه ComfyUI را بعد از نصب راه اندازی یا اجرا کنیم
6:30 شروع به استفاده از ComfyUI - توضیح گره ها و همه چیز
7:52 نحوه افزودن رمزگشای سفارشی VAE به ComfyUI
8:22 ذخیره تصویر و قرارداد نامگذاری تصویر ذخیره شده در ComfyUI
8:44 سیستم صف ComfyUI - بهترین ویژگی
9:48 نحوه ذخیره گردش کار در ComfyUI
10:07 نحوه استفاده از تصاویر تولید شده برای بارگیری گردش کار
10:54 نحوه استفاده از SDXL با ComfyUI
13:29 نحوه افزودن دسته ای عملیات به صف ComfyUI
13:57 نحوه تولید چندین تصویر در یک اندازه
15:01 پیشوندهای نام فایل تصاویر تولید شده
15:22 تصویر پایه SDXL در مقایسه تصویر بهبود یافته با پالایشگر
15:49 نحوه غیرفعال کردن پالایشگر یا نودهای ComfyUI
16:30 جایی که می توانید شورت های ComfyUI را پیدا کنید
17:18 چگونه گره های پشتی را فعال کنیم
17:38 نحوه استفاده از inpainting با SDXL با ComfyUI
20:43 نحوه استفاده از پالایشگر SDXL به عنوان مدل پایه
20:57 نحوه استفاده از LoRA با SDXL
23:06 نحوه مشاهده ComfyUI در حال پردازش کدام قسمت از گردش کار است
23:48 چگونه درباره نحوه استفاده از ComfyUI بیشتر بیاموزیم
24:47 کانال پشتیبانی ComfyUI کجاست
25:01 نحوه نصب و استفاده از ComfyUI در Google Colab رایگان
28:10 نحوه دانلود مدل SDXL در Google Colab ComfyUI
30:33 نحوه استفاده از ComfyUI با SDXL در Google Colab پس از نصب
32:45 آزمایش SDXL در Google Colab رایگان
33:40 میتوانید از SDXL روی یک دستگاه VRAM کم استفاده کنید اما چگونه
34:10 چگونه همه تصاویر تولید شده در Google Colab را دانلود کنیم
36:18 نحوه نصب و استفاده از ComfyUI (آخرین نسخه) در RunPod از جمله SDXL
37:19 کجا می توان نحوه استفاده از RunPod را یاد گرفت
دستورالعملهای 38:40 برای نصب دستی ComfyUI در RunPod
41:52 نحوه راه اندازی ComfyUI پس از نصب
43:19 چگونه با runpodctl تصاویر تولید شده را در RunPod بسیار سریع دانلود کنیم
44:06 نحوه دانلود دستی SDXL در RunPod
سخنرانی 11: اولین آموزش SDXL با Kohya LoRA - آموزش Stable Diffusion XL جایگزین مدل های قدیمی تر خواهد شد
نحوه نصب مربی Kohya SS GUI و انجام آموزش LoRA با Stable Diffusion XL (SDXL) این ویدیویی است که به دنبال آن هستید. من نحوه نصب Kohya را از ابتدا نشان دادم. بهترین پارامترها برای انجام آموزش LoRA با SDXL. نحوه استفاده از Kohya SDXL LoRA با ComfyUI. نحوه مقایسه ایست بازرسی با SDXL LoRA و بسیاری موارد جالب دیگر.
0:00 مقدمه آموزش SDXL LoRA
2:50 نحوه نصب مربی رابط کاربری گرافیکی Kohya
4:58 نحوه راه اندازی مربی رابط کاربری گرافیکی Kohya پس از نصب
5:35 شروع نمایش تمام تنظیمات و پارامترهای آموزشی SDXL LoRA در ترینر Kohya
5:51 نحوه دانلود مدل SDXL برای استفاده به عنوان مدل آموزشی پایه
6:20 نحوه تهیه داده های آموزشی با Kohya GUI
7:06 پارامتر تکرار آموزش کوهیا چیست
7:42 نحوه تنظیم تصاویر طبقه بندی و استفاده از آنها به عنوان تصاویر منظم
8:52 نحوه تهیه پوشه های مجموعه داده آموزشی برای آموزش Kohya LoRA/DreamBooth
9:35 نشانه نادر ohwx و نشانه کلاس man چیست
10:02 چرا من از تصاویر واقعی به عنوان تصاویر طبقه بندی برای واقع گرایی استفاده می کنم
10:35 اطلاعات پوشههای کپی را فراموش نکنید
11:06 بهترین پارامترها برای آموزش SDXL Kohya LoRA
14:45 توضیح بعد رتبه شبکه برای LoRA
15:31 Network Alpha برای آموزش LoRA چیست
16:18 نحوه ذخیره تنظیمات/پیکربندی در مربی رابط کاربری گرافیکی Kohya
16:46 اهمیت و استفاده از دکمه دستور آموزش چاپ
18:05 چرا از خطای VRAM (OOM) خارج شدم
19:02 به چه معناست/ثانیه در مربی Kohya یا در رابطهای کاربری وب SD میبینید
19:55 تعداد مراحلی که طی میکند کجا میتواند ببینید
20:35 کجا دستور آموزشی خود را به اشتراک گذاشتم و چگونه می توانید از آن استفاده کنید
20:46 چگونه می توانید آموزش را با تنظیمات من انجام دهید
21:40 نحوه استفاده از مدل های آموزش دیده SDXL LoRA با ComfyUI
23:00 نحوه مقایسه ایست بازرسی با Kohya LoRA SDXL در ComfyUI
27:05 چگونه پس از یافتن بهترین نقطه بازرسی آموزشی، تصاویر شگفت انگیز ایجاد کنیم
28:03 چگونه می توان از هوش مصنوعی برای یافتن بهترین تصاویر تولید شده به راحتی استفاده کرد
31:42 چگونه بهترین تصاویر را در جهت یا ژست خاص پیدا کنیم
32:03 نحوه رنگ آمیزی تصویر تولید شده برای بهبود کیفیت و شباهت
34:18 چگونه آموزش SDXL LoRA را در صورت نداشتن GPU قوی انجام دهید
35:10 چگونه از خود تصاویر سبکی مانند تصاویر سبک GTA5 بدست آوریم
39:00 لطفا به من کمک کنید. خیلی ممنون
سخنرانی 12: نحوه استفاده از SDXL در Automatic1111 Web UI - SD Web UI در مقابل ComfyUI - آموزش/راهنمای نصب محلی آسان
رابط کاربری وب محبوب Automatic1111 ما اکنون از Stable Diffusion X-Large (SDXL) پشتیبانی می کند. در این سخنرانی نحوه نصب و استفاده از SDXL را در Automatic1111 Web UI به شما نشان خواهم داد. علاوه بر این، من نشان خواهم داد که از SDXL LoRA و سایر LoRAها استفاده کنم. علاوه بر این، من تولید تصویر و مقایسه سرعت را بین Automatic1111 Web UI (SD Web UI) و ComfyUI انجام خواهم داد.
0:00 نحوه نصب SDXL به صورت محلی و استفاده با Automatic1111 Intro
1:06 نحوه نصب رابط کاربری وب SDXL Automatic1111 با فایل bat. نصب کننده خودکار من
1:39 نحوه دانلود فایل های مدل SDXL (پایه و پالایشگر)
2:25 ویژگی های جدید آتی Automatic1111 Web UI چیست
3:08 نحوه نصب دستی SDXL و Automatic1111 Web UI در ویندوز
3:49 سیستم شعبه GitHub چیست و چگونه می توان شاخه توسعه دهنده SDXL Automatic1111 Web UI را دید و از آن استفاده کرد
5:00 نحوه تغییر شاخه Automatic1111 در رایانه - تغییر به شاخه توسعه دهنده
5:22 چگونه به شاخه اصلی اصلی برگردیم
5:39 کدام آرگومان های خط فرمان را برای استفاده از SDXL در Automatic1111 Web UI نیاز دارید
5:49 نحوه استفاده از SDXL اگر پردازنده گرافیکی ضعیفی دارید - آرگومان های بهینه سازی خط فرمان مورد نیاز
6:05 نحوه مشاهده پسوند فایل
6:15 نحوه ویرایش آرگومانهای خط فرمان شروع Automatic1111 Web UI
6:25 نحوه شروع فرآیند نصب Automatic1111 Web UI با SDXL
6:35 جایی که باید فایل های مدل SDXL دانلود شده را قرار دهید
6:46 نحوه به روز رسانی نصب Automatic1111 Web UI موجود برای پشتیبانی از SDXL
7:33 چه زمانی باید از دستور no-half-vae استفاده کنید
8:13 تست اولین درخواست با SDXL با استفاده از Automatic1111 Web UI
8:34 سرعت تولید تصویر Automatic1111 هنگام استفاده از SDXL و RTX3090 Ti
8:52 یک تصویر شگفت انگیز تولید شده توسط SDXL
9:04 نحوه اعمال اصلاح با وضوح بالا برای بهبود قابل توجه کیفیت تصویر
9:15 سرعت تولید تصویر با وضوح بالا با SDXL
9:40 جزئیات استخدام ها تصاویر تولید شده را اصلاح می کنند
10:05 شروع به مقایسه Automatic1111 Web UI با ComfyUI برای SDXL
11:02 سرعت تولید تصویر ComfyUI و مقایسه
11:29 ComfyUI تصاویر پایه و پالایش کننده ایجاد کرد
11:56 ساید بای ساید Automatic1111 Web UI خروجی SDXL در مقابل خروجی ComfyUI
12:53 نحوه استفاده از مدلهای SDXL LoRA با Automatic1111 Web UI
13:26 نحوه استفاده از اطلاعات png برای تولید مجدد همان تصویر
13:50 چگونه نقطه بازرسی LoRA را به درخواست خود اضافه کنیم
14:48 به حمایت شما نیاز دارم، لطفاً از من حمایت کنید
14:58 چندین آموزش شگفت انگیز دیگر که باید تماشا کنید
15:24 لطفاً در Patreon نیز از من حمایت کنید
15:35 لطفاً من را در لینکدین و همچنین در توییتر دنبال کنید
سخنرانی 13: آموزش شگفت انگیز Deepfake: هر کسی را به ستاره فیلم مورد علاقه خود تبدیل کنید! PC Google Colab - roop
با استفاده از مدلهای AI منبع باز و مخزن روپ تازه منتشر شده از GitHub، میتوانیم از یک تصویر منبع واحد، دیپفیک بسازیم. علاوه بر این، من نحوه استفاده از CodeFormer را برای افزایش چشمگیر کیفیت چهره های ویدئویی تولید شده با استفاده از Automatic1111 Web UI و Davinci Resolve نشان داده ام. من همچنین یک آموزش در مورد رفع مشکلات همگام سازی صدا ارائه کردم. علاوه بر این، من یک Google Colab با کاربری آسان و رایگان آماده کردهام که میتواند مخزن عمیق روپ را اجرا کند و ویدیوهای دیپفیک تولید کند. این ویدیو صرفاً برای اهداف آموزشی و پژوهشی در نظر گرفته شده است.
0:00 مقدمه ای بر نحوه ساختن ویدیوهای عمیق جعلی با کیفیت عالی و شگفت انگیز
1:28 پیش نیاز نصب
2:56 نحوه نصب ffmpeg و نصب آن و تنظیم مسیر محیطی آن
3:36 چگونه با یک venv خصوصی روپ دیپ فیک را نصب کنیم
5:45 استفاده از برنامه deepface را شروع کنید
9:10 نحوه استفاده رایگان از deepface در Google Colab
11:28 نحوه استفاده از ChatGPT برای دریافت اسکریپت ها/کد Google Colab
13:03 چگونه کیفیت چهره را با ترمیم صورت CodeFormer
بهبود دهیم17:12 نحوه بازسازی ویدیو از فریم و همگام سازی صدا با نسخه رایگان Davinci Resolve
سخنرانی 14: نحوه استفاده از Stable Diffusion X-Large (SDXL) با Automatic1111 Web UI در RunPod - آموزش آسان
رابط کاربری وب محبوب Automatic1111 ما اکنون از Stable Diffusion X-Large (SDXL) پشتیبانی می کند. در این سخنرانی به شما نحوه نصب و استفاده از SDXL را در Automatic1111 Web UI در RunPod نشان خواهم داد. علاوه بر این، نحوه انجام صحیح جریان کار با وضوح بالا (Hires. fix) را نشان خواهم داد. علاوه بر این، من سرعت Automatic1111 را با SDXL روی یک پردازنده گرافیکی ارزان قیمت RunPod RTX 3090 آزمایش خواهم کرد.
0:00 نحوه نصب و استفاده از SDXL با Automatic1111 در مقدمه آموزش RunPod
0:27 نحوه استفاده از Stable Diffusion XL (SDXL) اگر GPU یا رایانه شخصی ندارید
0:55 چگونه به حساب RunPod خود وارد شوید
1:11 دستگاه و قالب RunPod را برای SDXL انتخاب کنید
1:22 نحوه افزایش اندازه/حجم دیسک RunPod
1:40 کجا می توان سیاهههای مربوط به Pods را مشاهده کرد
1:50 نحوه اتصال رابط Pod JupyterLab
2:04 اولین کاری که باید انجام دهید ویرایش فایل .py راهانداز مجدد است
2:46 نحوه نصب SDXL در RunPod با نصب خودکار 1 کلیک
3:24 ادامه نصب دستی
4:32 شاخه های GitHub توضیح داده شده است
5:04 نحوه به روز رسانی Automatic1111 Web UI به آخرین نسخه از طریق git pull
5:50 نحوه دانلود مدل های SDXL در RunPod
6:34 نحوه دانلود مدل های صورت در آغوش گرفتن با توکن و احراز هویت از طریق wget
7:58 نحوه راه اندازی نمونه Automatic1111 در RunPod پس از نصب
8:44 فرمان انتشار پایدار شگفتانگیز،
9:56 گاهی اوقات ممکن است غلاف ها شکسته شوند، بنابراین به غلاف جدید دیگری بروید
10:15 تست سرعت SDXL در RTX 3090 دارای پاد
10:51 تست تعمیر با وضوح بالا با SDXL (Hires. fix)
11:04 استخدام می کند. مراحل را اصلاح کنید نتایج سرعت تولید تصویر
11:41 استخدام چند مرحله است. رفع استفاده
11:55 جزئیات شگفتانگیز از تصحیح تصاویر ایجاد شده توسط استخدامها با SDXL
12:24 گردش کار صحیح ایجاد استخدام های شگفت انگیز. تصحیح تصاویر اعمال شده
تصویر پایه 14:41 در مقایسه تصویر اعمال شده اصلاح شده با وضوح بالا
15:19 اگر نمی دانید چگونه از رابط وب Automatic1111 استفاده کنید
سخنرانی 15: با Kohya SS LoRA به استادی در آموزش SDXL تبدیل شوید - Power Of Automatic1111 SDXL LoRAs را ترکیب کنید
در این سخنرانی، نحوه نصب Automatic1111 Web UI برای SDXL را خواهید آموخت. نحوه استفاده از LoRA با Automatic1111 SD Web UI. نحوه نصب اسکریپت های Kohya SS GUI برای انجام آموزش Stable Diffusion. نحوه آموزش LoRAها بر روی مدل SDXL با کمترین مقدار VRAM با استفاده از تنظیمات. تمامی جزئیات، نکات و ترفندهای آموزش کوهیا. نحوه مقایسه نمودار x/y/z برای یافتن بهترین ایست بازرسی LoRA. و بسیاری دیگر.
0:00 مقدمه
2:15 پیش نیازهای این آموزش
3:20 1-کلیک نصب کننده برای Automatic1111 Web UI
4:00 نحوه نصب Automatic1111 Web UI برای مدل های SDXL و SD 1.5
4:15 چگونه نسخه پایتون نصب شده خود را بررسی و تأیید کنید
4:51 کدام آرگومان های خط فرمان Automatic1111 Web UI برای SDXL نیاز دارید
5:15 کجا می توان همه آرگومان های خط فرمان Automatic1111 Web UI را پیدا کرد
5:45 فایلهای مدل SDXL و فایل VAE را از کجا دانلود کنیم
6:17 کدام پوشه ها را برای قرار دادن فایل های مدل و VAE نیاز دارید
7:21 توضیح مفصل در مورد VAE (Variational Autoencoder) Stable Diffusion چیست
7:57 چگونه VAE خود را تنظیم کنید و گزینه های انتخاب سریع VAE را در Automatic1111 فعال کنید
8:22 گزینه های خودکار و هیچ کدام در انتخاب SD VAE به چه معناست
8:43 چرا نباید از VAE جاسازی شده مدل SD 1.0 استفاده کنید
9:38 وضوح صحیح SDXL - نحوه استفاده از SDXL
9:58 نحوه نصب اسکریپت Kohya SS GUI برای آموزش SDXL
12:29 اگر CMD شما پیشرفت نمی کند چه باید کرد
13:19 هنگامی که باید به جای BF16 از FP16 استفاده کنید
13:55 نحوه نصب Kohya در RunPod یا سیستم Unix
14:35 نحوه راه اندازی Kohya GUI پس از نصب
15:18 آموزش Stable Diffusion LoRA و DreamBooth (توکن کمیاب، نشانه کلاس و موارد دیگر) چیست
15:45 نحوه انتخاب مدل SDXL برای آموزش LoRA در Kohya GUI
16:31 نحوه ذخیره و بارگیری تنظیمات آموزشی Kohya SS
16:41 چگونه از پیکربندی استفاده شده خودم برای این آموزش ویدیویی آموزشی استفاده کنم
17:56 چگونه تصاویر آموزشی خود را برای آموزش Kohya LoRA یا DreamBooth SDXL آماده کنیم
19:17 چه نوع تصاویر آموزشی باید برای آموزش استفاده کنید
20:57 از چه نوع تصاویر منظمی باید استفاده کنید؟ منطق استفاده از تصاویر حقیقت زمین
24:35 تعداد تکرار در کوهیا اس اس چیست؟ کدام عدد را باید انتخاب کنید
25:56 نقاط بازرسی LoRA شما در کجا ذخیره خواهند شد
26:31 چگونه می توان مجموعه داده های تصاویر آموزشی را که به درستی ترکیب شده اند تأیید کرد
27:12 چگونه نام فایل های LoRA تولید شده خود را تنظیم کنیم
27:46 کدام پارامترهای آموزشی را باید برای آموزش SDXL LoRA استفاده کنید
27:56 چرا اندازه دسته قطار 1 و مراحل انباشت شیب 1 را انتخاب کنید
28:18 منطق تعداد دوره ها
30:25 توضیح مفصل آموزش اس اس کوهیا. هر پارامتر و گزینه چه کاری انجام می دهند
31:03 میزان یادگیری برای آموزش SDXL Kohya LoRA
31:10 چرا از Adafactor استفاده می کنم
32:39 بقیه تنظیمات آموزشی
33:56 کدام رتبه شبکه (بعد) را باید انتخاب کنید و چرا
34:44 چگونه خطای VRAM را برطرف کنید - حافظه کافی نیست
36:04 شبکه آلفای Kohya LoRA چیست
36:35 Gradient Checkpointing را فراموش نکنید
37:07 نحوه ادامه تمرین با آموزش Kohya LoRA
37:42 دستور آموزش چاپ چه کاری انجام می دهد
37:59 نحوه محاسبه تعداد مراحل برای هر دوره
38:12 نحوه محاسبه تعداد تصویر منظمسازی مورد نیاز
38:43 چه زمانی باید اندازه دسته را هنگام انجام آموزش انتشار پایدار افزایش دهید؟
39:27 تعداد کل مراحل (حداکثر مراحل آموزشی) در آموزش کوهیا چگونه محاسبه می شود
40:25 چگونه می توانید تصاویر منظم سازی/طبقه بندی خود را تولید کنید
41:45 نحوه ویرایش دستی دستور آموزشی Kohya تولید شده و اجرای آن
43:21 نحوه شروع تمرین در کوهیا
43:36 چگونه با Kohya SS آموزش روی GPU دوم خود انجام دهیم
46:31 میزان VRAM آموزش SDXL LoRA با رتبه شبکه (بعد) 32
سرعت آموزش SDXL LoRA 47:15 RTX 3060
47:25 نحوه رفع خطای کوتاه شده فایل تصویر
48:05 نحوه دسترسی و تماس با من در صورت بروز خطا
مصرف 48:50 VRAM و تست سرعت رتبه شبکه های مختلف
51:40 چگونه از Min VRAM مطلق برای کارکرد آن استفاده کنیم
52:16 اولین نقطه بازرسی چه زمانی ایجاد می شود و کجا ذخیره می شوند
53:12 نحوه ادامه آموزش از حالت ذخیره شده
فایلهای پیکربندی ذخیره شده خودکار 53:55
55:42 نحوه استفاده از LoRA با Automatic1111 Web UI
58:02 چگونه پیشنمایشها را به فایلها/نقاط بازرسی LoRA خود اختصاص دهید
59:00 نحوه مقایسه x/y/z ایست بازرسی LoRA برای یافتن بهترین مدل LoRA
1:03:10 چگونه بفهمیم مدل LoRA شما بیش از حد تمرین کرده است یا پخته است یا نه
1:04:50 آزمایش قابلیت سبکسازی LoRAs
1:07:07 نحوه ایجاد تصاویر با کیفیت عکس استودیویی که میتوانید در لینکدین، توییتر، اینستاگرام و موارد دیگر استفاده کنید
1:07:40 چگونه بهترین تصاویر تولید شده را با استفاده از ابزار هوش مصنوعی پیدا کنیم
1:11:42 نحوه استفاده از ChatGPT برای یافتن دستورات بسیار خوب
1:12:19 نحوه استفاده از اصلاح با وضوح بالا و رنگ آمیزی LoRA برای گرفتن تصاویر با کیفیت شگفت انگیز از راه دور
1:16:02 چگونه دست و صورت را درست کنیم
1:19:52 نحوه استفاده از همان دستور آموزشی که استفاده کردم
1:20:29 زمانی که نیاز به کاهش وزن دارید/تاکید بر نشانه کمیاب
1:23:24 چگونه برای دریافت راهنمایی و راهنمایی به انجمن Discord خود بپیوندید
سخنرانی 16: نحوه انجام آموزش SDXL LoRA در RunPod با Kohya SS GUI Trainer از LoRAs با Automatic1111 UI
اگر GPU ندارید، یا GPU قوی دارید، یا از Mac استفاده میکنید و رایانهتان از آموزش Stable Diffusion، آموزش SDXL پشتیبانی نمیکند، پس این آموزشی است که به دنبال آن هستید. در این آموزش، ما از RunPod ارائهدهنده خدمات پردازشگر گرافیکی ابری ارزان برای استفاده از Stable Diffusion Web UI Automatic1111 و Stable Diffusion trainer Kohya SS GUI برای آموزش SDXL LoRA استفاده خواهیم کرد. با تماشای این آموزش، میتوانید با استفاده از سرویس ابری RunPod، به آسانی رایانه خود تصاویر را آموزش داده و تولید کنید.
0:00 مقدمه آموزش آسان استفاده از RunPod برای انجام آموزش SDXL
1:55 چگونه دستگاه RunPod خود را برای استفاده و آموزش Stable Diffusion XL راه اندازی کنیم
3:18 نحوه نصب Kohya در RunPod با یک نصب کننده یک کلیک
4:22 نکات مهم در مورد استفاده از SDXL در RunPod
5:38 نصب گام به گام ترینر رابط کاربری گرافیکی Kohya SS در RunPod
7:08 نحوه خاتمه خودکار شروع شده Automatic1111 Instance برای آزاد کردن VRAM
7:26 نحوه تغییر فایل .py relauncher برای جلوگیری از راه اندازی مجدد خودکار بی نهایت رابط کاربری وب Automatic1111
8:00 کجا باید دانلود کنید و فایل های Stable Diffusion مدل و VAE را در RunPod قرار دهید
8:58 نحوه دانلود مدل های Stable Diffusion در RunPod
9:25 نحوه خاتمه دادن به نمونه Automatic1111 Web UI قبلاً شروع شده برای آزاد کردن VRAM قبل از آموزش،
10:03 نحوه راه اندازی Kohya GUI پس از نصب
10:42 نحوه ذخیره و بارگذاری تنظیمات آموزشی Kohya در RunPod
10:54 چگونه تصاویر آموزشی خود را آپلود و تنظیم کنید
12:01 نحوه نصب runpodctl
13:15 چرا runpodctl مفید است
13:51 نحوه پیکربندی آموزش Kohya LoRA در RunPod برای Stable Diffusion XL
15:58 اهمیت و تأثیر رتبه شبکه (بعد) چیست
19:41 نحوه به روز رسانی Automatic1111 Web UI در RunPod
20:04 چگونه آموزش Kohya خود را تکمیل کرده یا نه
21:57 چگونه شروع به استفاده از مدل های SDXL LoRA آموزش دیده یا دانلود شده خود کنیم
22:13 جایی که فایلهای ایست بازرسی آموزشی ذخیره میشوند
22:46 چگونه باید برای تولید تصویر به رابط کاربری وب Automatic1111 در RunPod متصل شوید
23:15 چگونه بهترین فایل Stable Diffusion VAE را برای بهترین کیفیت تصویر تنظیم کنیم
23:33 نحوه تنظیم VAE با دقت کامل در RunPod --no-half-vae
24:18 از کجا می توان اعلان های پخش پایدار پایدار را برای مدل های SDXL و SD 1.5 پیدا کرد
25:05 چگونه LoRA آموزش دیده خود را از طریق الحاق به درخواست فعال کنید
25:47 نحوه بهبود چهره ها/رفع آنها از طریق استفاده از برنامه افزودنی رنگ آمیزی خودکار Adetailer
26:44 نحوه بارگیری آخرین درخواست استفاده شده و همه تنظیمات با 1 کلیک
26:52 نحوه فعال کردن و استفاده از افزونه adetailer
27:06 تصاویر تولید شده در کدام پوشه ذخیره شده و نحوه دانلود سریع آنها در RunPod
29:24 چگونه کیفیت چهره را آزمایش کنیم و مدلهای/نقاط بازرسی LoRA یا DreamBooth آموزش دیده خود را تأیید کنیم
30:10 نحوه انجام مهندسی سریع برای بهبود و اصلاح چهره ها
32:06 چگونه برای کمک به Discord به انجمن خود بپیوندیم و کجا با من تماس بگیریم
سخنرانی 17: نحوه انجام آموزش SDXL به صورت رایگان با Kohya LoRA - Kaggle - بدون نیاز به GPU - Pwns Google Colab
اگر یک GPU قوی برای آموزش Stable Diffusion XL ندارید، این آموزشی است که به دنبال آن هستید. برای انجام آموزش Kohya SDXL LoRA از نوت بوک رایگان Kaggle استفاده خواهیم کرد. در این آموزش شما به Kohya SDXL با Kaggle مسلط خواهید شد! آیا در مورد آموزش Kohya SDXL کنجکاو هستید؟ بیاموزید که چرا Kaggle از Google Colab پیشی گرفته است! ما قدرت پردازنده گرافیکی دوگانه Kaggle را کشف خواهیم کرد. راهنمای گام به گام در داخل! مهارت های خود را تقویت کنید و از منابع رایگان Kaggle نهایت استفاده را ببرید!
0:00 مقدمه ای بر نحوه انجام آموزش رایگان شگفت انگیز Stable Diffusion XL بدون داشتن پردازنده گرافیکی
2:35 نحوه ثبت نام Kaggle برای دریافت یک حساب کاربری رایگان برای انجام آموزش رایگان
3:05 چگونه شماره تلفن خود را در Kaggle تأیید کنید تا بتوانید به صورت رایگان از پردازندههای گرافیکی ابری استفاده کنید
3:55 نحوه تولید نوت بوک Kaggle و شروع آموزش رایگان Stable Diffusion XL Kohya SS LoRA
4:20 نحوه دانلود و وارد کردن نوت بوک آموزشی SDXL LoRA
5:46 چگونه به درستی با پیکربندی صحیح جلسه شروع در Kaggle برای شروع آموزش
5:56 نحوه فعال کردن GPU در Kaggle
6:34 چگونه بفهمیم چه مقدار از زمان GPU استفاده کردهاید و چه مقدار در Kaggle باقی مانده است
6:49 چگونه به منابع استفاده شده در جلسه Kaggle خود مانند فضای دیسک، GPU، CPU، RAM نگاه کنید
7:00 نحوه شبیه سازی Kohya SS GUI و نصب آن بر روی یک نوت بوک رایگان Kaggle
7:21 نحوه درک و استفاده از ساختار مسیریابی Kaggle
7:37 دایرکتوری ریشه/کاری ما در Kaggle کجاست
9:57 چگونه بفهمیم نصب Kohya SS GUI کامل شده است
10:14 نحوه بارگیری تصاویر قاعدهبندی/طبقهبندی حقیقت زمین
13:17 چگونه تصاویر مرتب سازی/طبقه بندی خود را آپلود کرده و از آنها استفاده کنید
14:13 چگونه از تصاویر/مجموعه دادههای آپلود شده قبلی خود در جلسات آموزشی Kaggle خود استفاده کنید
16:00 نحوه راه اندازی Kohya SS GUI در نوت بوک Kaggle
16:31 نحوه دسترسی به نمونه شروع شده Kohya SS GUI از طریق پیوند عمومی Gradio
17:09 شروع به تنظیم پارامترها و تنظیمات آموزشی Kohya SDXL LoRA
17:40 برای آموزش SDXL نوت بوک رایگان Kaggle باید از کدام مدل منبع استفاده کنیم
18:55 نحوه تهیه مجموعه داده آموزشی به راحتی با ویژگی آماده سازی مجموعه داده Kohya SS GUI
19:26 چگونه تصاویر آموزشی خود را آپلود کنیم و آنها را برای آموزش SDXL آماده کنیم
20:25 نحوه دریافت و تنظیم مسیر پوشه آموزش و تنظیم/طبقه بندی تصاویر
20:51 کجا و چگونه نتایج آموزشی را ذخیره کنیم و چگونه پوشه های آموزشی تولید کنیم
21:44 نحوه کپی کردن اطلاعات در برگه پوشه ها
22:09 تنظیم تمام پارامترهای آموزشی
معادل ابعاد رتبه شبکه 23:44
24:44 در حال ادامه راهاندازی همه پارامترهای آموزشی
25:54 چگونه بعد از تنظیم همه چیز تمرین را شروع کنیم
26:54 فرمول محاسبه تعداد کل مراحل آموزش چیست
27:54 نحوه اجرای دستور آموزشی
29:10 نحوه محاسبه تعداد لازم از تصاویر طبقه بندی/منظم سازی که نیاز دارید
31:05 آموزش شروع شد
31:24 چرا تعداد کل دورهها را دو برابر تعداد ما نشان میدهد
32:10 نقاط بازرسی آموزشی SDXL LoRA ما در کجا ذخیره شده اند و چگونه آنها را دانلود کنیم
33:07 چرا فایلهای ایمنتنسور تولید میشوند، نقاط بازرسی 228 مگابایت هستند
33:27 نحوه فعال کردن اجازه دانلود چندین فایل در مرورگر خود برای دانلود نقاط بازرسی LoRA ایجاد شده
33:37 چگونه همه نقاط بازرسی را به صورت یک فایل دانلود کنیم - همه آنها را فشرده کنید
34:27 چگونه پوشه ایمنی LoRA را به طور کامل دانلود کنیم
35:04 نحوه استخراج و باز کردن پست های بازرسی LoRA دانلود شده به صورت zip
36:48 چگونه نقاط بازرسی LoRA خود را در حساب Kaggle خود ذخیره کنید تا بعداً از آنها استفاده کنید
37:50 چگونه از نقاط بازرسی LoRA آموزش دیده خود در رابط کاربری وب Automatic1111 خود در رایانه شخصی خود استفاده کنید
38:50 نحوه دانلود و استفاده از 750 سبک حاوی فایل styles.csv
39:40 چگونه بهترین نقطه بازرسی آموزش Kohya SDXL LoRA خود را پیدا کنید
40:07 نحوه مشاهده دستورات و تنظیمات استفاده شده تصاویر تولید شده از طریق برگه اطلاعات png Automatic1111 Web UI
40:26 چگونه تصمیم گرفتم از نقطه بازرسی خاص از طریق اسکریپت x/y/z Automatic1111 Web UI استفاده کنم
41:08 نحوه استفاده از LoRAها در Automatic1111 Web UI
42:08 چگونه LoRA خود را از رابط انتخاب کنید
44:04 نحوه تولید همان دسته با بذر صحیح، نحوه تعیین بذر دسته ای
44:38 نحوه نصب افزونه after detailer (adetailer) برای بهبود خودکار چهره ها در نسل های شما
45:07 پس از فعال شدن افزونه جزئیات نتایج مقایسه
46:01 چگونه شباهت شگفت انگیزی بدست آوریم - واقع گرایی با تصاویری از سوژه آموزش دیده خود،
46:27 چگونه با استفاده از اسکریپت شباهت هوش مصنوعی DeepFace در میان هزاران تصویر تولید شده بهترین شگفت انگیز را پیدا کنیم
سخنرانی 18: نحوه استفاده از Stable Diffusion، SDXL، ControlNet، LoRA به صورت رایگان و بدون GPU در Kaggle مانند Google Colab
میخواهید از Stable Diffusion استفاده کنید، از مدلهای AI تولید کننده تصویر بهصورت رایگان استفاده کنید، اما نمیتوانید خدمات آنلاین پرداخت کنید یا رایانه قوی ندارید. سپس این آموزشی است که شما به دنبال آن بودید. با تماشای این آموزش، یاد خواهید گرفت که چگونه از سرویس ابری رایگان Kaggle با رابط کاربری معروف Stable Diffusion Automatic1111 SD Web UI به آسانی در رایانه محلی خود استفاده کنید. من یک نوت بوک شگفت انگیز Kaggle را آماده کرده ام که حتی از SDXL و ControlNet SDXL و LoRA و مدل های سفارشی SDXL نیز پشتیبانی می کند. البته از همه مدلهای مبتنی بر Stable Diffusion SD 1.5 نیز پشتیبانی میکند.
0:00 مقدمه ای بر نحوه استفاده از Stable Diffusion به صورت رایگان بدون رایانه یا GPU
2:44 چگونه یک حساب رایگان Kaggle ثبت کنیم و آن را فعال کنیم
3:28 نحوه ایجاد یک نوت بوک جدید در Kaggle
3:42 دو مرحله بسیار مهم که باید قبل از شروع استفاده از Kaggle Notebook انجام دهید
3:52 نحوه تنظیم شتاب دهنده (انتخاب GPU) و فعال کردن اینترنت
4:28 پایداری چیست و آیا باید از آن استفاده کنید
4:45 نحوه نوشتن کد در نوت بوک Kaggle و استفاده از کد به اشتراک گذاشته شده در فایل readme GitHub
4:55 اگر حامی Patreon من نیستید چگونه نوت بوک Stable Diffusion Automatic1111 Web UI خود را به صورت دستی تنظیم کنید
5:08 نحوه دانلود و وارد کردن نوت بوک Automatic1111 SD Web UI مورد استفاده در این آموزش
6:20 منابع پیشنهادی قبل از دنبال کردن این آموزش
7:28 نحوه شروع جلسه رایگان Kaggle Dual GPU
7:39 چگونه در یک نوت بوک Kaggle ببینید از چه تعداد منبع در جلسه فعلی خود استفاده می کنید
8:04 نحوه نصب Automatic1111 در نوت بوک Kaggle
8:43 توضیح بخش سمت راست نوت بوک Kaggle، فهرست کار
9:00 نحوه پاک کردن خروجی های یک جلسه نوت بوک Kaggle
9:10 چگونه می توان مدل های Stable Diffusion SD 1.5، LoRAs و SDXL را در پوشه صحیح Kaggle دانلود کرد
9:39 چگونه می توان مدل ها را به صورت دستی دانلود کرد اگر حامی Patreon من نیستید
10:14 نمونه ای از نحوه دانلود مدل LoRA از CivitAI
11:11 نمونه ای از نحوه دانلود یک چک پوینت مدل کامل از CivitAI
11:48 چگونه دانلود تمام فایل های مدل را شروع کنیم
13:41 نحوه نصب افزونه ControlNet و دانلود مدل های ControlNet
15:50 نحوه استفاده از LoRAهای سفارشی CivitAI یا Hugging Face
16:29 نحوه راهاندازی نمونه Automatic1111 Web UI با پارامترها و تنظیمات صحیح
18:42 نحوه درک نصب Automatic1111 Web UI کامل شده و آماده استفاده است
19:09 بارگیری مدل برای اولین بار ممکن است بسیار کند باشد
19:26 چگونه لیست کشویی انتخاب سریع VAE را فعال کنیم
19:50 نحوه تنظیم مسیر صحیح اسکن پوشه برای ControlNet
20:29 نحوه بارگیری مجدد رابط کاربری برای برنامه های افزودنی و تنظیم تغییرات موثر
20:51 Automatic1111 Web UI آماده استفاده در نوت بوک رایگان Kaggle است
21:22 نحوه استفاده از VAE جاسازی شده مدل ها
21:48 کدام نمونه تولید تصویر بهترین است
21:58 چرا و چقدر تولید اولین تصویر کندتر است
22:57 نحوه نصب برنامه های افزودنی (به عنوان مثال After Detailer) Automatic1111 در نوت بوک رایگان Kaggle
23:35 برای دیدن برنامه های افزودنی جدید باید رابط کاربری وب را دوباره بارگیری کنید
23:55 نحوه استفاده از مدل های LoRA دانلود شده خود در Automatic1111 Web UI
25:17 اولین نسل تصویر با مدل SDXL
26:16 اولین بار سرعت تولید تصویر در مقایسه با تولید تصاویر بعدی در SDXL
26:54 اولین نسل تصویر با مدل سفارشی LoRA از CivitAI
27:20 سرعت تولید تصویر SDXL هنگام استفاده از LoRA
27:41 نحوه استفاده از LoRAها، مدلها یا LoRAهای آموزشدیده خود، مدلهای رایانه شما
29:03 نحوه وارد کردن فایلها، مجموعه دادهها به جلسه فعلی خود در Kaggle
29:21 نحوه استفاده از فایل های وارد شده به عنوان مجموعه داده مانند LoRA یا مدل هایی که به عنوان مجموعه داده آپلود کرده اید
30:23 نحوه راه اندازی مجدد Automatic1111 Web UI در نوت بوک Kaggle
31:06 چگونه LoRA آموزش دیده خود را درخواست کنید
31:32 نحوه فعال کردن پسوند After Detailer (adetailer) برای بهبود چهره تصاویر ایجاد شده با انتشار پایدار
33:01 تصاویر تولید شده با SD کجا هستند در نوت بوک Kaggle ذخیره می شوند
33:45 SDXL با سرعت تولید تصویر LoRA
34:20 نحوه استفاده از مدلهای ControlNet Diffusion XL (SDXL) در Automatic1111 Web UI در یک Kaggle رایگان
35:05 اگر حامی Patreon من نیستید مدلهای SDXL ControlNet را از کجا دانلود کنید
36:13 نوت بوک به دلیل رم ناکافی هنگام استفاده از SDXL ControlNet و نحوه رفع آن خراب می شود
37:39 اولین نتایج تولید تصویر SDXL ControlNet
موضوع بحث توسعه SDXL ControlNet 39:21
40:22 اشکال احتمالی با ControlNet
41:10 نحوه استفاده از ControlNet مبتنی بر نسخه Stable Diffusion 1.5 به جای ControlNet SDXL
43:29 اگر از فضای دیسک اختصاص داده شده در نوت بوک رایگان Kaggle تجاوز کنید چه اتفاقی می افتد
44:35 اولین بار با استفاده از مدل SD 1.5 ControlNet در مدل Realistic Vision 5.1 مبتنی بر SD 1.5
44:55 نحوه رفع خطای زمان اجرا هنگام تغییر مدل SDXL به مدل مبتنی بر SD 1.5
46:42 نحوه استفاده از اطلاعات PNG برای دریافت درخواست
47:57 چگونه همه تصاویر تولید شده را دانلود کنیم
سخنرانی 19: تبدیل ویدیوها به انیمیشن تنها با 1 کلیک - آموزش ویدیویی مجدد ارائه - نصب کننده برای ویندوز
در این ویدیو من نصب کننده خودکار ویندوز را برای ReRender A Video github repository - پروژه AI منبع باز به اشتراک می گذارم.
اسکریپت نصب خودکار پیوست شده است.
چکیده: مدل های بزرگ انتشار متن به تصویر مهارت چشمگیری در تولید تصاویر با کیفیت بالا از خود نشان داده اند. با این حال، هنگام اعمال این مدلها در حوزه ویدیو، اطمینان از ثبات زمانی در فریمهای ویدیویی یک چالش بزرگ باقی میماند. این مقاله یک چارچوب جدید ترجمه ویدیو به ویدیو با هدایت متن صفر شات را برای تطبیق مدلهای تصویر با ویدیوها پیشنهاد میکند. این چارچوب شامل دو بخش است: ترجمه فریم کلیدی و ترجمه کامل ویدیویی. بخش اول از یک مدل انتشار اقتباس شده برای تولید فریم های کلیدی استفاده می کند، با محدودیت های سلسله مراتبی فریم متقاطع اعمال شده برای اعمال انسجام در اشکال، بافت ها و رنگ ها. بخش دوم فریم های کلیدی را با تطبیق پچ با آگاهی زمانی و ترکیب فریم به فریم های دیگر منتشر می کند. چارچوب ما به سبک جهانی و سازگاری زمانی بافت محلی با هزینه کم (بدون آموزش مجدد یا بهینه سازی) دست می یابد. این تطبیق با تکنیکهای انتشار تصویر موجود سازگار است، و به چارچوب ما اجازه میدهد از مزایای آنها استفاده کند، مانند سفارشی کردن یک موضوع خاص با LoRA، و معرفی هدایت فضایی اضافی با ControlNet. نتایج آزمایشی گسترده اثربخشی چارچوب پیشنهادی ما را بر روشهای موجود در ارائه ویدیوهای با کیفیت بالا و منسجم زمانی نشان میدهد.
ویژگی ها:
سازگاری زمانی: محدودیتهای متقابل فریم برای ثبات زمانی سطح پایین.
شات صفر: بدون نیاز به آموزش یا تنظیم دقیق.
انعطافپذیری: سازگار با مدلهای خارج از قفسه (مانند ControlNet، LoRA) برای ترجمه سفارشی.
سخنرانی 20: تبدیل ویدیوها به انیمیشن/3 بعدی فقط با 1 کلیک - آموزش ویدیویی مجدد - Installer برای RunPod
در این ویدیو من نصب کننده خودکار RunPod را برای ReRender A Video github repository - پروژه AI منبع باز به اشتراک می گذارم.
اسکریپت نصب خودکار پیوست شده است.
چکیده: مدل های بزرگ انتشار متن به تصویر مهارت چشمگیری در تولید تصاویر با کیفیت بالا از خود نشان داده اند. با این حال، هنگام اعمال این مدلها در حوزه ویدیو، اطمینان از ثبات زمانی در فریمهای ویدیویی یک چالش بزرگ باقی میماند. این مقاله یک چارچوب جدید ترجمه ویدیو به ویدیو با هدایت متن صفر شات را برای تطبیق مدلهای تصویر با ویدیوها پیشنهاد میکند. این چارچوب شامل دو بخش است: ترجمه فریم کلیدی و ترجمه کامل ویدیویی. بخش اول از یک مدل انتشار اقتباس شده برای تولید فریم های کلیدی استفاده می کند، با محدودیت های سلسله مراتبی فریم متقاطع اعمال شده برای اعمال انسجام در اشکال، بافت ها و رنگ ها. بخش دوم فریم های کلیدی را با تطبیق پچ با آگاهی زمانی و ترکیب فریم به فریم های دیگر منتشر می کند. چارچوب ما به سبک جهانی و سازگاری زمانی بافت محلی با هزینه کم (بدون آموزش مجدد یا بهینه سازی) دست می یابد. این تطبیق با تکنیکهای انتشار تصویر موجود سازگار است، و به چارچوب ما اجازه میدهد از مزایای آنها استفاده کند، مانند سفارشی کردن یک موضوع خاص با LoRA، و معرفی هدایت فضایی اضافی با ControlNet. نتایج آزمایشی گسترده اثربخشی چارچوب پیشنهادی ما را بر روشهای موجود در ارائه ویدیوهای با کیفیت بالا و منسجم زمانی نشان میدهد.
ویژگی ها:
سازگاری زمانی: محدودیتهای متقابل فریم برای ثبات زمانی سطح پایین.
شات صفر: بدون نیاز به آموزش یا تنظیم دقیق.
انعطافپذیری: سازگار با مدلهای خارج از قفسه (مانند ControlNet، LoRA) برای ترجمه سفارشی.
سخنرانی 21: سرعت استنتاج انتشار پایدار خود را با RTX Acceleration TensorRT: یک راهنمای جامع دو برابر کنید
انتشار پایدار با شتاب RTX تقویت زیادی می کند. یکی از رایجترین روشها برای استفاده از Stable Diffusion، ابزار محبوب هوش مصنوعی Generative که به کاربران امکان میدهد تصاویر را از توضیحات متنی ساده تولید کنند، از طریق رابط کاربری Stable Diffusion Web توسط Automatic1111 است. در درایور آماده بازی امروز، انویدیا شتاب TensorRT را برای رابط کاربری Stable Diffusion Web اضافه کرد که عملکرد GeForce RTX را تا ۲ برابر افزایش میدهد. در این ویدیوی آموزشی همه چیز را در مورد این افزایش سرعت جدید از طریق نصب افزونه و تولید TensorRT SD UNET به شما نشان خواهم داد.
0:00 مقدمه ای بر نحوه استفاده از RTX Acceleration/TensorRT برای سرعت استنتاج 2 برابر
2:15 نحوه نصب جدید Automatic1111 SD Web UI
3:32 نحوه فعال کردن انتخاب سریع SD VAE و SD UNET از تنظیمات Automatic1111 SD Web UI
4:38 نحوه نصب افزونه TensorRT برای افزایش سرعت تولید تصویر Stable Diffusion
6:35 نحوه شروع/اجرای Automatic1111 SD Web UI
7:19 چگونه افزونه TensorRT را به صورت دستی از طریق نصب URL نصب کنیم
7:58 نحوه نصب افزونه TensorRT از طریق روش git clone
8:57 چگونه فایلهای cuDNN را دانلود و ارتقا دهیم
11:23 تست سرعت مدل SD 1.5 بدون TensorRT
11:56 چگونه یک TensorRT برای یک مدل تولید کنیم
12:47 توضیح تنظیمات حداقل، بهینه، حداکثر هنگام تولید یک مدل TensorRT
14:00 فایل ONNX کجا صادر می شود
15:48 چگونه آرگومان های خط فرمان را تنظیم کنیم تا در طول تولید TensorRT خطایی دریافت نشود
16:55 چگونه در هنگام تولید و استفاده از TensorRT به حداکثر کارایی دست یابیم
17:41 نحوه شروع استفاده از TensorRT تولید شده با سرعت تقریباً دو برابر
18:08 نحوه تغییر به شاخه توسعه دهنده Automatic1111 SD Web UI برای استفاده از SDXL TensorRT
20:33 مقایسه تفاوت تصویر بین TensoRT روشن و خاموش
20:45 تست سرعت TensorRT با وضوح چندگانه
21:32 ایجاد یک TensorRT برای انتشار پایدار XL (SDXL)
23:24 چگونه تأیید کنیم که به شعبه توسعهدهنده Automatic1111 Web UI رفتهاید تا SDXL TensorRT کار کند
24:32 تولید تصاویر با SDXL TensorRT
25:00 چگونه TensorRT را برای مدل آموزش دیده DreamBooth خود تولید کنیم
25:49 نحوه نصب پسوند After Detailer (ADetailer) و چه کاری انجام می دهد توضیح
27:23 شروع نسل TensorRT برای SDXL
28:06 تفاوت اندازه دسته در برابر تعداد دسته
29:00 نحوه آموزش مدل شگفت انگیز SDXL DreamBooth
29:10 نحوه دریافت لیست سریع شگفت انگیز برای مدل های DreamBooth و استفاده از آنها
30:25 مجموعه داده ای که خودم برای آموزش DreamBooth استفاده کردم و چرا عمداً کیفیت پایینی دارد
30:46 نحوه تولید TensorRT برای مدلهای LoRA
33:30 کجا و چگونه نمایههای TensorRT را که برای هر مدل دارید ببینید
36:57 ایجاد LoRA TensorRT برای SD 1.5 و آزمایش آن
39:54 نحوه رفع اشکال موثر TensorRT LoRA
سخنرانی 22: نحوه نصب Run TensorRT در RunPod، Unix، Linux برای سرعت استنتاج انتشار پایدار 2 برابر
انتشار پایدار با شتاب RTX تقویت زیادی می کند. یکی از رایجترین روشها برای استفاده از Stable Diffusion، ابزار محبوب هوش مصنوعی Generative که به کاربران امکان میدهد تصاویر را از توضیحات متنی ساده تولید کنند، از طریق رابط کاربری Stable Diffusion Web توسط Automatic1111 است. در درایور آماده بازی امروز، انویدیا شتاب TensorRT را برای رابط کاربری Stable Diffusion Web اضافه کرد که عملکرد GeForce RTX را تا ۲ برابر افزایش میدهد. در این ویدیوی آموزشی، من همه چیز را در مورد این افزایش سرعت جدید از طریق نصب برنامه افزودنی و نسل TensorRT SD UNET در RunPod به شما نشان خواهم داد. این آموزش را می توان در سایر سیستم های یونیکس و سیستم عامل های محلی لینوکس نیز استفاده کرد.
0:00 مقدمه افزایش سرعت TensorRT - شتاب RTX در RunPod Unix
مقایسه کیفیت تصویر 3:10 TensorRT در مقابل TensorRT خاموش برای Stable Diffusion XL (SDXL)
4:14 نحوه نصب TensorRT در RunPod و سیستم عامل های محلی Unix
7:30 چگونه درایور فعلی Nvidia خود را در RunPod و Unix بررسی کنیم
8:10 نکات اضافی برای TensorRT
8.45 نحوه اتصال/باز کردن Automatic1111 Web UI خود در RunPod
9:27 نحوه فعال کردن گزینههای کشویی انتخاب سریع برای VAE و TensorRT UNET
10:09 چگونه اولین مدل TensorRT خود را تولید کنیم
10:19 سرعت و مدت تولید موتور TensorRT
10:55 نحوه بارگیری سریع تنظیمات آخرین تولید تصویر
11:44 میزان افزایش سرعت در RTX 3090 در RunPod با TensorRT
سخنرانی 23: اسکریپت های پیش پردازش تصویر SOTA برای آموزش انتشار پایدار - فوکوس صورت خودکار برش موضوع
یکی از مهمترین جنبه های آموزش Stable Diffusion تهیه تصاویر آموزشی است. در این فیلم آموزشی به شما نشان خواهم داد که چگونه به طور کامل خودکار تصاویر آموزشی را با زوم، برش و تغییر اندازه کامل پیش پردازش کنید. این اسکریپت ها موفقیت و دقت آموزشی شما را به شدت بهبود می بخشد.
اسکریپت ها از مدل های Yolo V7 و Retina Face AI استفاده می کنند. اینها بهترین مدل های هوش مصنوعی هستند. علاوه بر این آنها بسیار خوب کدگذاری شده اند. آنها فوق العاده بهینه و دقیق کار خواهند کرد.
با این اسکریپت ها با 1 کلیک، تمام تصاویر آموزشی خود را با وضوح و کیفیت مورد نظر از قبل پردازش می کنید.
0:00 مقدمه ای بر بهترین آموزش اسکریپت های پیش پردازش تصاویر برای آموزش Stable Diffusion
5:48 نحوه نصب و استفاده از اسکریپت برش خودکار/بزرگنمایی - مرحله اول
7:25 کدام فایل برای ویرایش و تنظیم مسیر پوشه پردازش برای اسکریپت برش
7:52 نحوه افزودن یا حذف نسبت ابعاد جدید
10:18 برش کامل کلاسهای Yolo V7
11:42 نحوه نصب و اجرای resizer/downscaler تصویر با فوکوس چهره با Retina Face
12:51 نحوه ویرایش و اجرای اسکریپت resizer برای کاهش مقیاس عالی و آماده سازی تصاویر آموزشی
14:37 مقایسه تصاویر خام با تصاویر پردازش شده نهایی
یودمی یکی از بزرگترین پلتفرمهای آموزشی آنلاین است که به میلیونها کاربر در سراسر جهان امکان دسترسی به دورههای متنوع و کاربردی را فراهم میکند. این پلتفرم امکان آموزش در زمینههای مختلف از فناوری اطلاعات و برنامهنویسی گرفته تا زبانهای خارجی، مدیریت، و هنر را به کاربران ارائه میدهد. با استفاده از یودمی، کاربران میتوانند به صورت انعطافپذیر و بهینه، مهارتهای جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.
یکی از ویژگیهای برجسته یودمی، کیفیت بالای دورهها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد میدهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و میتوانند به بهترین شکل ممکن از آموزشها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرمهای آموزشی آنلاین، به افراد امکان میدهد تا به راحتی و با کیفیت، مهارتهای مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.
دکتری مهندسی کامپیوتر - توسعه دهنده ارشد نرم افزار
نمایش نظرات