写点什么

亚马逊 AI 应用科技创新下的 Amazon SageMaker 使用教程

作者:淼.
  • 2023-11-12
    山东
  • 本文字数:1529 字

    阅读完需:约 5 分钟

亚马逊AI应用科技创新下的Amazon SageMaker使用教程

Amazon SageMaker 简介

亚马逊 SageMaker 是一种完全托管的机器学习服务。借助 SageMaker,数据科学家和开发人员可以快速、轻松地构建和训练机器学习模型,然后直接将模型部署到生产就绪托管环境中。它提供了一个集成的 Jupyter 编写 Notebook 实例,供您轻松访问数据源以便进行探索和分析,因此您无需管理服务器。此外,它还可以提供常见的机器学习算法,这些算法经过了优化,可以在分布式环境中高效处理非常大的数据。借助对 bring-your-own-algorithms 和框架的本地支持,SageMaker 提供灵活的分布式训练选项,可根据您的特定工作流程进行调整。可以从 SageMaker Studio 或 SageMaker 控制台中单击几下鼠标按钮以启动模型,以将该模型部署到安全且可扩展的环境中。

Amazon SageMaker 在控制台的使用

  • 创建 Amazon SageMaker


在亚马逊云科技首页,我们登录账号之后在搜索栏输入 Amazon SageMaker 之后,我们点击第一个服务进入 Amazon SageMaker 服务选在控制面板。



  • 进入服务的控制面板之后我们选择我们的服务设备


我们这里选择笔记本实例,当然要是有其他需求的小伙伴可以自行选择其他,因为我们这里时笔记本所以我就选择的时笔记本实例。然后点击创建笔记本实例即可进行下一步。



  • 进入笔记本实例设置里面需要填入一下信息:

  • 笔记本实例名称

  • 笔记本实例类型

  • Elastic Inference

  • 平台标识符

  • 生命周期配置

  • 卷大小

  • 最低 IMDS 版本等



  • 设置好之后进入创建 IAM 角色控制面板,完成创建角色。



  • 创建完成之后返回笔记本实例控制面板,完成笔记本实例的创建。



  • 下载好代码(ipynb)文件之后,我们在笔记本实例页面点击“打开 Jupyter”,然后上传代码。选择好文件后,点击蓝色的“Upload”按键,即可完成上传。然后我们打开刚刚上传的 notebook,可以看到该文件就是一个完整的 Stable Diffusion 训练代码,这里我们的 run kernel 选择 conda_pytorch_38 或 conda_pytorch_39,因为机器学习代码是用 pytorch 写的。



模型的各项参数

  • prompt (str or List[str]):引导图像生成的文本提示或文本列表

  • height (int, optional, 默认为 V1 模型可支持到 512 像素,V2 模型可支持到 768 像素):生成图像的高度(以像素为单位)

  • width (int, optional, 默认为 V1 模型可支持到 512 像素,V2 模型可支持到 768 像素):生成图像的宽度(以像素为单位)

  • num_inference_steps (int, optional, defaults to 50):降噪步数。更多的去噪步骤通常会以较慢的推理为代价获得更高质量的图像

  • guidance_scale (float, optional, defaults to 7.5):较高的指导比例会导致图像与提示密切相关,但会牺牲图像质量。 如果指定,它必须是一个浮点数。 guidance_scale<=1 被忽略。

  • negative_prompt (str or List[str], optional):不引导图像生成的文本或文本列表。不使用时忽略,必须与 prompt 类型一致(不应小于等于 1.0)

  • num_images_per_prompt (int, optional, defaults to 1):每个提示生成的图像数量

pytorch 训练绘图部分代码

# move Model to the GPUtorch.cuda.empty_cache()pipe = pipe.to("cuda")
# V1 Max-H:512,Max-W:512# V2 Max-H:768,Max-W:768
print(datetime.datetime.now())# 提示词,一句话或者多句话prompts =[ "Dream far away", "A singer who is singing",]generated_images = pipe( prompt=prompts, height=512, # 生成图像的高度 width=512, # 生成图像的宽度 num_images_per_prompt=1 # 每个提示词生成多少个图像).images # image here is in [PIL format](https://pillow.readthedocs.io/en/stable/)
print(f"Prompts: {prompts}\n")print(datetime.datetime.now())
for image in generated_images: display(image)
复制代码


在这里,我们设置了两个提示词:


  • Dream far away:梦想远方

  • A singer who is singing:一个正在唱歌的歌手


生成结构如下:




发布于: 刚刚阅读数: 6
用户头像

淼.

关注

还未添加个人签名 2022-10-24 加入

还未添加个人简介

评论

发布
暂无评论
亚马逊AI应用科技创新下的Amazon SageMaker使用教程_淼._InfoQ写作社区