ChaiNNer
v0.24.1
واجهة مستخدم رسومية لمعالجة الصور تعتمد على العقدة وتهدف إلى جعل مهام معالجة الصور المتسلسلة سهلة وقابلة للتخصيص. ولد ChaiNNer كتطبيق لرفع مستوى الذكاء الاصطناعي، وقد تطور ليصبح تطبيقًا برمجيًا مرنًا وقويًا للغاية لمعالجة الصور.
يمنحك ChaiNNer مستوى من التخصيص لسير عمل معالجة الصور الخاص بك لا يفعله سوى عدد قليل جدًا من الآخرين. لا تتمتع فقط بالتحكم الكامل في مسار المعالجة الخاص بك، بل يمكنك القيام بمهام معقدة بشكل لا يصدق بمجرد ربط عدد قليل من العقد معًا.
ChaiNNer هو أيضًا متعدد المنصات، مما يعني أنه يمكنك تشغيله على أنظمة التشغيل Windows وMacOS وLinux.
للحصول على مساعدة أو اقتراحات أو لمجرد قضاء الوقت، يمكنك الانضمام إلى خادم ChaiNNer Discord
تذكر: chaiNNer لا يزال قيد التنفيذ وفي مرحلة ألفا. على الرغم من أنها تصل ببطء إلى المكان الذي نريده، إلا أن الأمر سيستغرق بعض الوقت للحصول على كل الميزات الممكنة التي نريد إضافتها. إذا كنت على دراية بـ TypeScript أو React أو Python، فلا تتردد في المساهمة في هذا المشروع ومساعدتنا على الاقتراب من هذا الهدف.
قم بتنزيل أحدث إصدار من صفحة إصدارات Github وقم بتشغيل برنامج التثبيت المناسب لنظامك. بهذه البساطة.
لا تحتاج حتى إلى تثبيت Python، حيث سيقوم chaiNNer بتنزيل إصدار Python متكامل معزول عند بدء التشغيل. ومن هناك، يمكنك تثبيت جميع التبعيات الأخرى عبر مدير التبعيات.
إذا كنت لا تزال ترغب في استخدام تثبيت Python لنظامك، فيمكنك تشغيل إعداد Python للنظام. ومع ذلك، فمن المستحسن استخدام بايثون المتكاملة. إذا كنت ترغب في استخدام نظام Python الخاص بك، فنوصي باستخدام Python 3.11، لكننا نحاول دعم الإصدارات 3.8 و3.9 و3.10 أيضًا.
إذا كنت ترغب في اختبار أحدث التغييرات والتعديلات، فجرب إصداراتنا الليلية
على الرغم من أن الأمر قد يبدو مخيفًا في البداية بسبب كل الخيارات الممكنة، إلا أن استخدام chaiNNer سهل جدًا. على سبيل المثال، هذا هو كل ما عليك القيام به من أجل إجراء ترقية:
قبل أن تصل إلى هذه النقطة، ستحتاج إلى تثبيت أحد أطر الشبكة العصبية من مدير التبعية. يمكنك الوصول إلى هذا عبر الزر الموجود في الزاوية العلوية اليمنى. يقدم ChaiNNer الدعم لـ PyTorch (مع نماذج معمارية مختارة)، وNCNN، وONNX. بالنسبة لمستخدمي Nvidia، ستكون PyTorch هي الطريقة المفضلة للترقية. بالنسبة لمستخدمي AMD، ستكون NCNN هي الطريقة المفضلة للارتقاء.
يتم تثبيت جميع تبعيات Python الأخرى تلقائيًا، كما أن chaiNNer يحمل دعم Python المتكامل الخاص به حتى لا تضطر إلى تعديل تكوين Python الحالي لديك.
بعد ذلك، كل ما عليك فعله هو سحب وإفلات (أو النقر المزدوج) على أسماء العقد في لوحة التحديد لإحضارها إلى المحرر. ثم اسحب من مقبض عقدة إلى آخر لتوصيل العقد. يتم ترميز كل مقبض بالألوان حسب نوعه المحدد، وأثناء الاتصال سيُظهر لك الاتصالات المتوافقة فقط. وهذا يجعل من السهل جدًا معرفة ما يجب الاتصال به وأين.
بمجرد إعداد سلسلة عمل في المحرر، يمكنك الضغط على زر "تشغيل" الأخضر في الشريط العلوي لتشغيل السلسلة التي قمت بإنشائها. سترى أن الاتصالات بين العقد تصبح متحركة، وتبدأ في إلغاء الحركة عند انتهاء المعالجة. يمكنك إيقاف المعالجة أو إيقافها مؤقتًا باستخدام زري "الإيقاف" الأحمر و"الإيقاف المؤقت" الأصفر على التوالي.
لا تنس أن هناك الكثير من المهام غير القابلة للترقية التي يمكنك القيام بها باستخدام chaiNNer أيضًا!
لتحديد عقد متعددة، اضغط باستمرار على مفتاح Shift واسحب حول جميع العقد التي تريد تحديدها. يمكنك أيضًا تحديد عقدة فردية بمجرد النقر عليها. عند تحديد العقد، يمكنك الضغط على مسافة للخلف أو الحذف لحذفها من المحرر.
لإجراء معالجة مجمعة لمجلد صور، استخدم عقدة "تحميل الصور". لمعالجة مقاطع الفيديو، استخدم عقدة "تحميل الفيديو". من المهم ملاحظة أنه لا يمكنك استخدام عقدتي "تحميل الصور" و"تحميل الفيديو" (أو أي عقدتين تقومان بتكرار الدُفعات) معًا في سلسلة. ومع ذلك، يمكنك دمج عقد الإخراج (المجمع) في السلسلة، على سبيل المثال باستخدام "حفظ الصورة" مع "تحميل الفيديو"، و"حفظ الفيديو" مع "تحميل الصور".
يمكنك النقر بزر الماوس الأيمن فوق إطار عرض المحرر لإظهار قائمة العقد المضمنة للاختيار من بينها. يمكنك أيضًا الحصول على هذه القائمة عن طريق سحب الاتصال إلى المحرر بدلاً من إجراء اتصال فعلي، وستعرض العقد المتوافقة لإنشاء اتصال تلقائيًا.
إصدارات MacOS 10.x والإصدارات الأقدم غير مدعومة.
إصدارات Windows 8.1 والإصدارات الأقدم غير مدعومة أيضًا.
يجب أن تدعم أجهزة Apple Silicon Mac كل شيء تقريبًا. على الرغم من أن ONNX يدعم فقط موفر تنفيذ وحدة المعالجة المركزية (CPU)، وفي بعض الأحيان لا يعمل NCNN بشكل صحيح.
قد يحصل بعض مستخدمي NCNN الذين لديهم وحدات معالجة رسومات غير تابعة لـ Nvidia على مخرجات سوداء بالكامل. لست متأكدًا مما يجب فعله لإصلاح ذلك لأنه يبدو أنه بسبب تعطل برنامج تشغيل الرسومات نتيجة نفاد الذاكرة. إذا حدث هذا لك، فحاول ضبط مقدار التبليط يدويًا.
لاستخدام عقد الحافظة، يحتاج مستخدمو Linux إلى تثبيت xclip، أو تثبيت wl-copy لمستخدمي Wayland.
بالنسبة لاستدلال PyTorch، فإن وحدات معالجة الرسومات Nvidia فقط هي المدعومة رسميًا. إذا لم يكن لديك وحدة معالجة الرسومات Nvidia، فسيتعين عليك استخدام PyTorch في وضع وحدة المعالجة المركزية. وذلك لأن PyTorch يدعم فقط CUDA الخاص بـ Nvidia. يمكن لمستخدمي MacOS على أجهزة Apple Silicon Mac أيضًا الاستفادة من وضع MPS الخاص بـ PyTorch، والذي يجب أن يعمل مع chaiNNer.
إذا كان لديك وحدة معالجة الرسومات AMD أو Intel التي تدعم NCNN، فإن chaiNNer يدعم الآن استدلال NCNN. يمكنك استخدام أي ملفات نماذج NCNN .bin/.param موجودة (تم اختبار نماذج SR ذات الصلة بـ ESRGAN فقط)، أو استخدام chaiNNer لتحويل نموذج PyTorch أو ONNX إلى NCNN.
بالنسبة إلى NCNN، تأكد من تحديد وحدة معالجة الرسومات التي تريد استخدامها في الإعدادات. قد يكون ذلك بسبب الرسومات المدمجة الخاصة بك!
بالنسبة لوحدات معالجة الرسومات Nvidia، يعد ONNX أيضًا خيارًا يمكن استخدامه. سيستخدم ONNX وضع وحدة المعالجة المركزية (CPU) على وحدات معالجة الرسومات غير التابعة لـ Nvidia، على غرار PyTorch.
يدعم ChaiNNer حاليًا عددًا محدودًا من بنيات الشبكات العصبية. سيتم دعم المزيد من البنى في المستقبل.
اعتبارًا من الإصدار 0.21.0، يستخدم chaiNNer الحزمة الجديدة الخاصة بنا والتي تسمى Spandrel لدعم بنيات نموذج Pytorch. للحصول على قائمة بالبرامج المدعومة، راجع القائمة هناك.
للحصول على معلومات حول استكشاف الأخطاء وإصلاحها، قم بعرض مستند استكشاف الأخطاء وإصلاحها.
أقدم إصدارات معدة مسبقًا من chaiNNer هنا على GitHub. ومع ذلك، إذا كنت ترغب في إنشاء chaiNNer بنفسك، فما عليك سوى تشغيل npm install (تأكد من تثبيت npm v7 على الأقل) لتثبيت جميع تبعيات العقدة، ثم npm run make لإنشاء التطبيق.
للحصول على معلومات الأسئلة الشائعة، قم بعرض مستند الأسئلة الشائعة.
