Prompt-Markdown-Parser
- Markdown adalah bahasa markup yang ringan untuk membuat teks yang diformat menggunakan editor teks biasa. Anda dapat dengan mudah memformat teks Anda dengan format markdown. Prompt mungkin sulit diatur. Jadi dengan solusi berbasis GUI dan CLI ini, Anda dapat dengan mudah menyusun petunjuk Anda dengan format file markdown dan mendapatkan petunjuk positif dan negatif sebagai file TXT terpisah.
- Sekarang Anda dapat membuat set data, melatih model generator prompt Anda, mengevaluasi model Anda dan menghasilkan petunjuk dengannya.
Isi
- Pembaruan
- Persyaratan
- Penggunaan
- Aplikasi CLI
- Menu Parse
- Menu Civitai
- Buat menu
- Menu kereta
- Mengevaluasi menu
- Menghasilkan menu
- Menghasilkan menu
- Setel menu
- Menu cetak
- Aplikasi GUI
- Tab Parser
- Tab Dataset
- Tab Civitai
- Tab kereta
- Evaluasi tab
- Menghasilkan tab
- Aplikasi WebUI
- Node Kustom Generator Prompt untuk Comfyui
- Contoh
- Contoh parser
- Contoh Generator
Pembaruan
Persyaratan
- Diuji di lingkungan OS Windows.
- Versi minimum 3,7 Python diperlukan untuk aplikasi GUI.
- Diuji dengan Python 3.10.6 dan 3.11.3. Sebagai catatan untuk Python 3.10.6 dan versi yang lebih baru Tkinter hadir sebagai default. Anda dapat dengan mudah mengujinya dengan perintah ini:
Periksa modul Tkinter
- Dari baris perintah masukkan perintah
python dan tekan tombol ikuti. - Tuliskan Perintah
import tkinter dan tekan tombol Enter. Jika tidak ada kesalahan. Anda siap untuk pergi. - Tuliskan Perintah
exit() dan tekan tombol Enter untuk keluar.
Penggunaan
- Kloning repositori dengan
git clone https://github.com/alpertunga-bile/prompt-markdown-parser.git . - Masuk ke folder dengan perintah
cd prompt-markdown-parser .
Windows
- Jalankan perintah
python start.py .
download_compressed.mp4
Linux
- Coba perintah
python start.py . Jika gagal, jalankan perintah ini
python -m venv venv
source venv/bin/activate
pip3 install -r requirements.txt
Aplikasi CLI
- Mulai aplikasi dengan perintah
python start.py --cli . Perintah ini akan mencari file 'venv' untuk lingkungan virtual. Ini akan mengatur dependensi dan memulai aplikasi. Setelah pengaturan pertama, itu hanya akan memulai aplikasi CLI. - Ada 8 perintah di menu utama. Ini adalah parse, membuat, melatih, mengevaluasi, menghasilkan, jelas, CLS dan keluar. Dengan 5 perintah pertama, Anda dapat mengakses menu yang berbeda. Dengan perintah yang jelas dan CLS Anda dapat menghapus terminal. Dengan perintah keluar Anda dapat menghentikan aplikasi.
- Anda tidak perlu menulis semua perintah yang dapat Anda tulis pertama 2 atau 3 huruf dan tekan tombol
TAB untuk otomatis lengkap.
Menu Parse
- Di bagian parse ada 3 perintah, allparse, parse dan out. Anda dapat menggunakan tombol
TAB di sini. - Anda harus memiliki folder
prompts untuk melanjutkan dengan perintah AllParse. Ini akan menemukan semua file .md di bawah prompts folder dan mencetak total file yang dapat ditemukannya. Setelah itu akan meminta Anda untuk ingin menerjemahkan. Anda dapat menggunakan fungsionalitas lengkap otomatis di sini. Maka itu akan mengurai semua file dan menulisnya di bawah folder prompts . - Dalam perintah parse. Anda menentukan filepath untuk menguraikan dan itu akan meminta terjemahan dan setelah itu akan diuraikan dan disimpan ke folder yang sama dengan file .md.
cli-parse.mp4
Menu Civitai
cli-civitai_compressed.mp4
Buat menu
- Di menu Buat, Anda harus memberikan jalur dataset. Jadi bagaimana cara membuat file dataset? Sebenarnya cukup mudah, pergi ke situs Civitai dan temukan gambar yang Anda sukai. Kemudian salin tautan dan tempel dalam file txt.
- Kemudian tentukan nama file positif. Jika Anda sudah memiliki dataset positif, Anda dapat menentukannya juga tetapi harus berada di bawah folder dataset.
- Kemudian tentukan nama file negatif. Jika Anda sudah memiliki dataset negatif, Anda dapat menentukannya juga tetapi harus berada di bawah folder dataset.
- Anda dapat menulis dengan atau tanpa ekstensi file.
- Setelah itu menunggu bilah kemajuan selesai dan
DONE !!! teks di terminal.
cli-create.mp4
Menu kereta
- Berikan jalur dataset Anda. Yang bisa menjadi dataset positif atau negatif Anda. Bukan dataset tautan.
- Masukkan nama model Anda misalnya
gpt2 . Anda dapat menemukan nama model. Jika Anda akan menggunakan situs ini, tulis semua nama model misalnya bigscience/bloom-560m . - Masukkan zaman.
- Masukkan ukuran batch.
- Masukkan Model Simpan Nama Folder. Model akan menyimpan di bawah folder dataset. Jadi tepat nama folder yang ingin Anda simpan.
- Tunggu
DONE!!! teks di terminal.
cli-train.mp4
Mengevaluasi menu
- Berikan jalur dataset Anda. Yang bisa menjadi dataset positif atau negatif Anda. Bukan dataset tautan.
- Masukkan nama model Anda misalnya
gpt2 . Anda dapat menemukan nama model. Jika Anda akan menggunakan situs ini, tulis semua nama model misalnya bigscience/bloom-560m . - Masukkan jalur model.
- Tunggu
Evaluation Score (Loss) teks di terminal.
cli-evaluate.mp4
Menghasilkan menu
- Masukkan nama model Anda misalnya
gpt2 . Anda dapat menemukan nama model. Jika Anda akan menggunakan situs ini, tulis semua nama model misalnya bigscience/bloom-560m . - Masukkan jalur model.
- Masukkan panjang minimum yang dapat dihasilkan oleh generator Anda.
- Masukkan panjang maksimum yang dapat dihasilkan oleh generator Anda.
- Pilih jika Anda ingin melakukan fungsionalitas sampel.
- Pilih jika Anda ingin fungsi penghentian awal.
- Tentukan level rekursif.
- Pilih jika Anda ingin fungsionalitas rekursif diri.
Seberapa rekursif bekerja?
Katakanlah kita memberikan a, karena tingkat benih dan rekursif adalah 1. Saya akan menggunakan output yang sama untuk contoh ini untuk memahami fungsionalitas dengan lebih akurat.
Dengan rekursif diri, katakanlah output generator adalah b . Jadi unggulan berikutnya akan menjadi b dan output generator adalah c . Output akhir adalah a, c . Ini dapat digunakan untuk menghasilkan output acak.
Tanpa rekursif diri, katakanlah output generator adalah b . Jadi unggulan berikutnya akan menjadi a, b dan output generator adalah a, b, c Output akhir adalah a, b, c . Ini dapat digunakan untuk petunjuk yang lebih akurat.
Sekarang ada 6 perintah yang bisa Anda gunakan. Ini menghasilkan, mengatur, mencetak, jelas, perintah CLS dan keluar. Perintah yang jelas dan CLS sedang membersihkan terminal dan perintah keluar adalah mengembalikan Anda ke menu utama aplikasi CLI.
Menghasilkan menu
- Di menu Generate, Anda dapat memasukkan benih dan mendapatkan teks yang dihasilkan.
Setel menu
- Anda dapat memilih variabel untuk mengatur nilainya. Anda dapat memilih variabel yang Anda tentukan sebelumnya kecuali nama model dan jalur model.
Menu cetak
- Cetak nilai variabel saat ini.
cli-generate_compressed.mp4
Aplikasi GUI
- Mulai aplikasi dengan perintah
python start.py --gui . Perintah ini akan mencari file 'venv' untuk lingkungan virtual. Ini akan mengatur dependensi dan memulai aplikasi. Setelah pengaturan pertama, itu hanya akan memulai aplikasi GUI.
Tab Parser
- Anda dapat memilih kotak centang Translate Prompts untuk menerjemahkan petunjuk Anda ke bahasa Inggris. Anda dapat menulis petunjuk dalam campuran bahasa Inggris dan bahasa ibu Anda. GoogletRanslator digunakan untuk terjemahan. Kotak centang ini berfungsi dengan parse semua file di folder 'prompt' dan parse dan simpan fungsionalitas.
- Parse semua file di tombol folder 'prompts' mendapatkan semua file markdown di bawah folder 'prompts' yang terletak di direktori repo dan parse dan simpan.
- Pilih tombol File Prompt akan menampilkan jendela untuk memungkinkan Anda memilih file penurunan harga Anda. Anda dapat memilih beberapa file.
- Setelah pemilihan tekan tombol parse dan simpan dan selesai. Anda dapat menemukan file teks Anda di folder di mana file markdown yang Anda pilih. Anda dapat melihat bahwa itu memisahkan permintaan negatif dan positif dengan nama _negatif dan _positif .
- Jangan mengedit petunjuk positif dan dorongan negatif string dalam file penurunan harga. Ini digunakan untuk memisahkan petunjuk. Anda dapat menambah atau mengurangi simbol # tetapi tidak mengedit string.
- Jangan menambahkan koma "," di akhir baris Anda. Parser menambahkan untuk Anda.
GUI-PARSE.MP4
Tab Dataset
- Simpan tautan prompt di file txt. Cukup pilih gambar dari civitai dan salin dan tempel tautannya ke file txt.
- Pilih dataset tautan Anda yang disediakan dalam file txt.
- Tulis nama file positif dan negatif seperti yang Anda inginkan.
- Klik Tombol Buat Dataset dan Tunggu. Anda dapat menyaksikan kemajuan dengan Progressbar di GUI dan di Terminal.
gui-create.mp4
Tab Civitai
- Temukan file
wantedPrompts.txt dan unwantedPrompts.txt di bawah folder dataset dan ubah untuk petunjuk yang diinginkan dan tidak diinginkan. Pisahkan petunjuk Anda dengan koma. - Berikan nama file positif dan negatif untuk dataset. Jangan memberi jalan. File akan dibuat di folder dataset.
- Pilih atribut.
- Pilih
All untuk NSFW jika Anda ingin mendapatkan semua gambar. - Klik Tombol
Enhance dan tunggu bilah pemuatan untuk menyelesaikan di Terminal lalu periksa folder Dataset.
gui-civitai_compressed.mp4
Tab kereta
- Masukkan nama model Anda. Anda dapat menemukan nama model.
- Masukkan zaman, ukuran batch.
- Masukkan nama folder untuk model Anda. Model Anda akan disimpan ke folder 'Dataset'.
- Pilih dataset untuk berlatih dengan model.
- Klik tombol kereta dan tunggu selesai !!! Teks untuk muncul di atas tombol.
gui-train.mp4
Evaluasi tab
- Pilih dataset Anda yang digunakan untuk pelatihan.
- Masukkan nama model Anda yang Anda gunakan untuk pelatihan. Jangan masukkan nama folder model Anda.
- Pilih folder yang disimpan model Anda.
- Klik Tombol Evaluasi dan tunggu output skor evaluasi di atas tombol.
gui-evaluate.mp4
Menghasilkan tab
- Masukkan nama model Anda yang Anda gunakan untuk pelatihan. Jangan masukkan nama folder model Anda.
- Pilih folder yang disimpan model Anda.
- Masukkan panjang min yang dapat dihasilkan model.
- Masukkan panjang maksimum yang dapat dihasilkan oleh model itu.
- Centang kotak centang jika Anda menginginkan fitur ini.
- Atur level rekursif dengan slider. Ini akan memberikan model hasil sebelumnya di setiap langkah.
- Pilih jika Anda ingin rekursif diri.
- Masukkan benih Anda dan klik Hasilkan tombol teks dan tunggu teks muncul di TextBox.
gui-generate.mp4
Seberapa rekursif bekerja?
- Katakanlah kita memberikan
a, karena tingkat benih dan rekursif adalah 1. Saya akan menggunakan output yang sama untuk contoh ini untuk memahami fungsionalitas dengan lebih akurat. - Dengan rekursif diri, katakanlah output generator adalah
b . Jadi unggulan berikutnya akan menjadi b dan output generator adalah c . Output akhir adalah a, c . Ini dapat digunakan untuk menghasilkan output acak. - Tanpa rekursif diri, katakanlah output generator adalah
b . Jadi unggulan berikutnya akan menjadi a, b dan output generator adalah a, b, c Output akhir adalah a, b, c . Ini dapat digunakan untuk petunjuk yang lebih akurat.
Contoh
Contoh parser
- Anda dapat mengakses file markdown yang digunakan untuk gambar di bawah ini.
- Gambar ditingkatkan dengan proyek AIUPScalegui.
Contoh Generator
- Beberapa perbaikan kesalahan ketik dilakukan untuk petunjuk yang dihasilkan.
- wanita_positive_gpt2-75_model digunakan untuk contoh generator. Model generator pretrain dapat ditemukan di sini.
- Model ini dilatih dengan 75 zaman dan 1 ukuran batch.
Contoh 1
- Nama Model: GPT2
- Panjang Min: 10
- Panjang Max: 50
- Fitur tidak aktif
- Level Rekursif: 0
- Self Recursive: Off
- Biji: Wanita dewasa, halo mekanik
- Prompt yang dihasilkan: Wanita dewasa, halo mekanis, (rambut biru: 1.2), rumit, detail tinggi, fokus tajam, dramatis, gadis cantik, foto mentah, 8k uhd, gandum film, kaustics, hamburan di bawah permukaan, refleksi, (bidikan koboi: 1 )
Contoh 2
- Nama Model: GPT2
- Panjang Min: 10
- Panjang Max: 50
- Fitur tidak aktif
- Level Rekursif: 1
- Benih: Dewi
- Self Recursive: Off
- Prompt yang dihasilkan: Dewi, (Tekstur Kulit Rumit Rumit: 1.2), (percikan listrik, mesin rusak: 1.1), (tubuh mesin: 1.2), melihat penonton, (Smart Shawen: 1.2), payudara sedang, (hantu di dalam Shell), kedalaman bidang, latar belakang gradien, backlit, pencahayaan pelek, pencahayaan dramatis, oklusi sekitar, pencahayaan volumetrik, pencahayaan studio profesional, mulut tertutup, detail yang gila
