Disco_Diffusion_Local
1.0.0
Mendapatkan versi terbaru dari difusi disko (pada saat penulisan ini adalah V5 dengan turbo dan animasi 3D) untuk bekerja secara lokal, bukan colab. Termasuk bagaimana saya menjalankan ini di windows, meskipun beberapa linux hanya dependensi;). Sekarang termasuk mode batch eksperimental untuk membuat sebanyak mungkin video yang Anda inginkan dengan petunjuk yang berbeda, dengan hanya 1 berjalan.
Jika Anda mengalami masalah apa pun, jangan ragu untuk membuka masalah dan saya akan melakukan yang terbaik untuk membantu memecahkan masalah. Menjadi spesifik mungkin. Misalnya, jika Anda mendapatkan pesan kesalahan di titik mana pun, Anda perlu memasukkan ini dalam masalah ini, di samping sistem operasi dan spesifikasi komputer.
Langkah yang sama harus bekerja di Linux, mulai dari langkah 3.
Persyaratan:
Windows 11: Windows 11 harus berfungsi tetapi tidak ada salahnya untuk memperbarui ke versi terbaru sebelum melanjutkan :) (Perhatikan bahwa meskipun saya telah membuat dan menguji ini di Windows 10) Windows 10: Anda harus menjalankan setidaknya pembaruan fitur 21H2 agar GPU Anda berfungsi. Untuk memeriksa versi mana yang Anda jalankan, buka CMD dan ketik:
winver
Jika Anda berada di 21h2 atau lebih baru, Anda siap melakukannya. Jika tidak, coba perbarui windows dengan mengetik "periksa pembaruan" di menu start dan menggunakan alat bawaan. Bagi saya pribadi, pembaruan yang diperlukan tidak ditampilkan, tetapi saya dapat menginstalnya dengan menggunakan Windows 10 Update Assistant.
Cara kita akan menggunakan Linux hanya dependensi adalah dengan menginstal versi terbaru dari subsistem Windows untuk Linux (WSL2). Ini akan menjalankan instalasi ubuntu seperti mesin virtual di windows. Namun, Microsoft telah menerapkan ini pada level yang sangat rendah, yang berarti hampir tidak ada dukungan kinerja dan dukungan GPU!
Untuk instruksi terbaru tentang ini, ikuti panduan resmi Microsoft.
Secara singkat, cukup buka Windows PowerShell sebagai administrator, dan ketik:
wsl —-install
Ini mungkin meminta restart, dan ketika Anda memulai kembali komputer Anda, Anda akan memiliki aplikasi di menu start atau bilah tugas yang disebut "Ubuntu"!
Kita perlu menginstal Anaconda di dalam lingkungan Ubuntu kita untuk mengelola paket dengan mudah. Buka Aplikasi Ubuntu baru Anda (dan perbaiki kesalahan yang muncul pada peluncuran pertama. Saya punya beberapa, tetapi mereka jelas atau diperbaiki dengan mudah dengan googling cepat). Sekarang Anda ingin mengunduh, lalu jalankan, penginstal Linux Anaconda sebagai berikut. Jika Anda mengikuti ini lebih dari Maret 2022, Anda dapat mengganti URL di bawah ini dengan versi terbaru dari situs web Anaconda.
mkdir Downloads
cd Downloads
wget https://repo.anaconda.com/archive/Anaconda3-2021.11-Linux-x86_64.sh
bash Anaconda3-2021.11-Linux-x86_64.sh
Ikuti instruksi di layar. IE Ketik Ya Saat meminta Anda, dan meminta untuk menjalankan Conda Init untuk Anda saat diminta.
Tutup terminal Ubuntu Anda dan buka lagi.
Sekarang ketik dan jalankan
conda —-help
Jika memberi Anda daftar panjang opsi Conda, itu berarti berhasil diinstal Anaconda di dalam Ubuntu!
Kami sekarang akan membuat dan mengaktifkan lingkungan Conda (di dalam Ubuntu) dengan semua dependensi yang sesuai.
conda create -n pytorch_110
conda activate pytorch_110
Setiap kali Anda me -restart komputer Anda, atau menutup dan membuka Ubuntu lagi, Anda harus menjalankan perintah kedua itu (Conda mengaktifkan Pytorch). Sekarang instal versi Pytorch yang benar:
conda install pytorch==1.10 torchvision torchaudio cudatoolkit==11.1 -c pytorch -c conda-forge
Ketik y kapan pun diminta.
Menemukan hal -hal di atas membutuhkan banyak coba -coba. Kesulitannya adalah menemukan kombinasi Pytorch dan Cudatoolkit yang bekerja dengan Pytorch3D (diperlukan nanti). Hal di atas berhasil untuk saya.
Sekarang instal beberapa dependensi lain:
conda install jupyter pandas requests matplotlib
conda install opencv -c conda-forge
Opsi 1 untuk cara benar -benar menjalankan kode dan mendapatkan gambar / video. Opsi 1 melibatkan mengunduh .IPYNB, yang dimodifikasi dengan ringan dari Colab Notebook, mengedit sel dan mengeditnya di dalam lingkungan notebook.
Kami akan bekerja dalam versi notebook Jupyter dari Colab Notebook. (Saat ini saya sedang mengerjakan antarmuka yang lebih bersih, pastikan untuk membintangi dan menonton repo untuk melihat kapan ini ditayangkan).
Unduh buku catatan Jupyter di repo ini. Jika Anda tahu caranya, klon repo langsung ke distribusi Ubuntu Anda. Untuk membuat panduan ini semudah mungkin diikuti, saya juga akan menunjukkan cara yang lebih mudah.
Di terminal Ubuntu Anda, ketik:
explorer.exe .
Ini akan membuka direktori Ubuntu Anda di Windows Explorer! Temukan lokasi yang ingin Anda unduh buku catatan, mungkin membuat folder baru untuk itu.
Di repositori github saya, klik "kode" lalu unduh zip. Ekstrak zip, dan salin file .ipynb ke folder yang diinginkan di ubuntu . Jika diketik explorer.exe sebelumnya, Anda akan memiliki folder ubuntu yang terbuka di Explorer, sehingga Anda dapat menyeret dan jatuh ke folder ini.
Di terminal Ubuntu Anda, jalankan:
jupyter notebook
Anda mungkin memperhatikan bahwa ini tidak secara otomatis membuka Jupyter di browser Anda. Tidak apa -apa! Cari saja URL yang dimulai dengan LocalHost, salin ini, dan tempel ke browser Anda di Windows.
Ini harus membuka Jupyter di browser Anda! Sekarang navigasikan ke folder tempat Anda menempatkan jupyter notebook Anda, dan buka. Jalankan sel, satu per satu. Mereka harus menginstal dependensi yang diperlukan lebih lanjut dan mengunduh semua model untuk Anda. Sepanjang jalan, Anda dapat mengubah pengaturan apa pun yang Anda inginkan. Salah satu sel terakhir meminta "text_promppts", yang dapat Anda tentukan untuk membuat apa pun yang Anda inginkan!
Opsi 2 untuk cara benar -benar menjalankan kode dan mendapatkan gambar / video. Ini melibatkan pengaturan folder dengan file pengaturan, yang akan dikerjakan oleh notebook melalui 1 dengan 1. Ini akan memungkinkan Anda untuk menentukan prompt untuk sebanyak mungkin video yang Anda inginkan, dan buat semuanya dengan satu run notebook.
Beberapa opsi harus ditentukan sekali, dan akan digunakan untuk semua item dalam antrian. Atur ini di "Queue/Master_settings.txt":
Opsi yang dapat ditentukan untuk setiap video adalah sebagai berikut. Harus ditentukan dalam "Queue/Queue_1.txt", "Queue/Queue_2.txt" dll. File dapat dibuat saat skrip sedang berjalan, tanpa gangguan!
Perhatikan bahwa ini saat ini eksperimental, dan dimaksudkan untuk membuat serangkaian video (bukan gambar). Anda dipersilakan untuk mengirimkan masalah untuk bug / permintaan fitur, atau bahkan permintaan tarikan Anda sendiri jika Anda ingin memperbaiki ini;)
Juga, untuk penggunaan saya, memperbaiki semua fitur itu berfungsi dengan baik. Jika ada fitur, Anda ingin dapat berubah di antara berjalan dalam antrian yang tidak dapat Anda lakukan saat ini, jangan ragu untuk memulai masalah atau menarik permintaan.
Kloning repo ke instalasi Ubuntu Anda. Jika Anda tidak tahu cara melakukan ini, klik "kode" dan "unduh zip" pada repo ini. Salin seluruh repo ke folder di lingkungan Ubuntu Anda. Ini biasanya di suatu tempat seperti " wsl $ ubuntu home username". Anda dapat mengaksesnya dengan mudah dengan mengetik Explorer.exe. Di jendela Ubuntu Anda.
Salah satu folder yang Anda salin harus disebut "antrian". Buka ini, dan tentukan pengaturan apa yang Anda inginkan di "Master_settings". Kemudian tentukan petunjuk apa yang Anda inginkan di setiap video, dalam file terpisah di folder yang sama ini. Mereka harus bernama "queue_1.txt" dan seterusnya, tanpa celah.
Anda dapat mensintesis file antrian dari baris perintah, cukup navigasikan ke repositori yang dikloning dan ketik:
jupyter nbconvert --execute --to notebook --inplace Disco_Diffusion_v5_2_w_VR_Mode_batch_mode.ipynb
Di atas akan menjalankan semua sel di notebook Jupyter dari baris perintah. Anda juga dapat menjalankannya di Jupyter jika Anda mau. Lihat Opsi 1 untuk instruksi tentang cara menjalankan buku catatan Jupyter jika Anda mau.
Itu seharusnya! Ini harus mulai membuat gambar dalam antrian Anda, 1 dengan 1.
Saya mendapatkan kesalahan CUDA.
RuntimeError: Kesalahan CUDA: Kesalahan tidak diketahui kesalahan kernel CUDA mungkin dilaporkan secara tidak sinkron pada beberapa panggilan API lainnya, sehingga stacktrace di bawah ini mungkin salah. Untuk debugging pertimbangkan untuk melewati cuda_launch_blocking = 1.
Jika Anda mendapatkan kesalahan seperti di atas, saya hanya pernah tahu ini terjadi jika Anda menggunakan terlalu banyak VRAM. Mengurangi dengan melakukan 1 atau semua hal berikut:
Jika ini berhasil, perlahan tambahkan model kembali dan tingkatkan resolusi sampai Anda mengetahui di mana batasnya untuk GPU Anda.
