prompt markdown parser 다운로드 - prompt markdown parser 소스 코드 다운로드

prompt markdown parser

AI 소스 코드

1.0.0

다운로드

프롬프트 마크 다운 파서

생기 있는

Markdown은 일반 텍스트 편집기를 사용하여 형식의 텍스트를 작성하기위한 가벼운 마크 업 언어입니다. 마크 다운 형식으로 텍스트를 쉽게 포맷 할 수 있습니다. 프롬프트는 구성하기 어려울 수 있습니다. 따라서이 GUI 및 CLI 기반 솔루션을 사용하면 마크 다운 파일 형식으로 프롬프트를 쉽게 구조화하고 분리 된 TXT 파일로 긍정적이고 부정적인 프롬프트를 얻을 수 있습니다.
이제 데이터 세트를 만들고, 프롬프트 생성기 모델을 훈련시키고, 모델을 평가하고, 프롬프트를 생성 할 수 있습니다.

내용물

업데이트
요구 사항
용법
- CLI 응용 프로그램
  - 구문 분석 메뉴
  - Civitai 메뉴
  - 메뉴를 만듭니다
  - 기차 메뉴
  - 메뉴를 평가하십시오
  - 메뉴를 생성하십시오
    - 메뉴를 생성하십시오
    - 메뉴 설정
    - 인쇄 메뉴
- GUI 응용 프로그램
  - 파서 탭
  - 데이터 세트 탭
  - Civitai 탭
  - 기차 탭
  - 탭을 평가하십시오
  - 탭을 생성하십시오
- webui 응용 프로그램
- Comfyui의 프롬프트 생성기 사용자 정의 노드
예
- 파서 예제
- 발전기 예제

업데이트

update.md 파일을 참조하십시오.

요구 사항

Windows OS 환경에서 테스트되었습니다.
GUI 응용 프로그램에는 최소 3.7 Python 버전이 필요합니다.
파이썬 3.10.6 및 3.11.3으로 테스트. Python 3.10.6 및 최신 버전의 메모로 Tkinter는 기본값으로 제공됩니다. 이 명령으로 쉽게 테스트 할 수 있습니다.

Tkinter 모듈을 확인하십시오

명령 줄에서 python 명령을 입력하고 Enter 버튼을 누릅니다.
import tkinter 명령을 작성하고 Enter 버튼을 누릅니다. 오류가없는 경우. 당신은 갈 준비가되었습니다.
exit() 명령을 쓰고 Enter 버튼을 누르면 종료하십시오.

용법

git clone https://github.com/alpertunga-bile/prompt-markdown-parser.git 명령으로 저장소를 복제하십시오.
cd prompt-markdown-parser 명령으로 폴더로 들어갑니다.

창

python start.py 명령을 실행하십시오.

다운로드 _compressed.mp4

리눅스

python start.py 명령을 시도하십시오. 실패하면이 명령을 실행하십시오

python -m venv venv
source venv/bin/activate
pip3 install -r requirements.txt

CLI 응용 프로그램

python start.py --cli 명령으로 응용 프로그램을 시작하십시오. 이 명령은 가상 환경을위한 'Venv'파일을 찾을 것입니다. 종속성을 설정하고 응용 프로그램을 시작할 것입니다. 첫 번째 설정 후 CLI 응용 프로그램을 시작합니다.
메인 메뉴에는 8 개의 명령이 있습니다. 이들은 구문 분석, 생성, 훈련, 평가, 생성, CLS 및 출구입니다. 처음 5 개의 명령을 사용하면 다른 메뉴에 액세스 할 수 있습니다. 명확하고 CLS 명령을 사용하면 터미널을 지울 수 있습니다. EXIT 명령을 사용하면 응용 프로그램을 종료 할 수 있습니다.
Auto Complete를 위해 첫 2 ~ 3 문자를 작성하고 TAB 버튼을 누를 수있는 모든 명령을 작성할 필요는 없습니다.

구문 분석 메뉴

구문 분석 섹션에는 AllParse, Parse 및 Exit의 3 가지 명령이 있습니다. 여기에서 TAB 버튼을 사용할 수 있습니다.
AllParse 명령을 계속하려면 prompts 폴더가 있어야합니다. prompts 폴더 아래에서 모든 .md 파일을 찾아서 찾을 수있는 총 파일을 인쇄합니다. 그 후 그것은 당신에게 번역을 요구할 것입니다. 여기에서 자동 완전한 기능을 사용할 수 있습니다. 그런 다음 모든 파일을 구문 분석하고 prompts 폴더 아래로 작성합니다.
구문 분석 명령에서. 당신은 파서를 구문 분석하기 위해 FilePath를 지정하고 번역을 요청하고 그 후에는 .md 파일을 사용하여 동일한 폴더에 구문 분석하고 저장됩니다.

cli-parse.mp4

Civitai 메뉴

사용할 수있는 세 가지 기능이 있습니다.
파일은 dataset 폴더에 있어야하며 파일 이름을 작성하지 않아야합니다.
기능 향상 기능은 데이터 세트를 작성하는 것입니다. 양수 및 음수 파일 이름을 지정할 수 있습니다. 그런 다음 [1, 200] 범위에서 이미지 한계를 지정할 수 있습니다. 그런 다음 이미지 커서를 지정하여 시간과 분으로 마무리 할 때 시작합니다. 쉼표가 분리 된 원하는 원치 않는 프롬프트를 지정하십시오. 기본 프롬프트를 사용할 수 있습니다. 정렬, 기간 및 NSFW 매개 변수를 선택하십시오.
Prune 기능은 파일의 복제를 지우는 것입니다. 파일 이름을 입력하고 "완료 !!!"를 기다리십시오. 보여줄 텍스트.
주파수 기능은 단어가 몇 번 사용되는지를 보는 것입니다. Filename을 지정하고 완료되면 dataset/frequency.txt 파일을 찾으십시오.

cli-civitai_compressed.mp4

메뉴를 만듭니다

생성 메뉴에서는 데이터 세트 경로를 제공해야합니다. 그렇다면 데이터 세트 파일을 만드는 방법은 무엇입니까? 실제로는 매우 쉽습니다. Civitai 사이트로 가서 좋아하는 이미지를 찾으십시오. 그런 다음 링크를 복사하고 txt 파일에 붙여 넣습니다.
그런 다음 양의 파일 이름을 지정하십시오. 이미 긍정적 인 데이터 세트가있는 경우에도 지정할 수 있지만 데이터 세트 폴더 아래에 있어야합니다.
그런 다음 네거티브 파일 이름을 지정하십시오. 이미 네거티브 데이터 세트가있는 경우 데이터 세트도 지정할 수 있지만 데이터 세트 폴더 아래에 있어야합니다.
파일 확장의 유무에 관계없이 글을 쓸 수 있습니다.
진행 상황이 끝나고 DONE !!! 터미널의 텍스트.

cli-create.mp4

기차 메뉴

데이터 세트 경로를 제공하십시오. 긍정적이거나 부정적인 데이터 세트가 될 수 있습니다. 링크 데이터 세트가 아닙니다.
모델 이름을 입력하여 gpt2 입력하십시오. 모델 이름을 찾을 수 있습니다. 이 사이트를 사용하려면 bigscience/bloom-560m 과 같은 모든 모델 이름을 작성하십시오.
에포크를 입력하십시오.
배치 크기를 입력하십시오.
모델 저장 폴더 이름을 입력하십시오. 모델은 데이터 세트 폴더에 저장할 것입니다. 저장하려는 폴더의 이름을 바로 잡으십시오.
DONE!!! 터미널의 텍스트.

cli-train.mp4

메뉴를 평가하십시오

데이터 세트 경로를 제공하십시오. 긍정적이거나 부정적인 데이터 세트가 될 수 있습니다. 링크 데이터 세트가 아닙니다.
모델 이름을 입력하여 gpt2 입력하십시오. 모델 이름을 찾을 수 있습니다. 이 사이트를 사용하려면 bigscience/bloom-560m 과 같은 모든 모델 이름을 작성하십시오.
모델 경로를 입력하십시오.
터미널에서 Evaluation Score (Loss) 텍스트를 기다립니다.

cli-Evaluate.mp4

메뉴를 생성하십시오

모델 이름을 입력하여 gpt2 입력하십시오. 모델 이름을 찾을 수 있습니다. 이 사이트를 사용하려면 bigscience/bloom-560m 과 같은 모든 모델 이름을 작성하십시오.
모델 경로를 입력하십시오.
발전기가 생성 할 수있는 최소 길이를 입력하십시오.
발전기가 생성 할 수있는 최대 길이를 입력하십시오.
샘플 기능을 원하는 경우 선택하십시오.
조기 중지 기능을 원하는 경우 선택하십시오.
재귀 레벨을 지정합니다.
자체 재귀 기능을 원하는 경우 선택하십시오.

재귀는 어떻게 작동합니까?

씨앗과 재귀 수준이 1이므로 우리가 a, 준다고 가정 해 봅시다.이 예제와 동일한 출력을 사용하여 기능을보다 정확하게 이해할 것입니다.
자체 재귀를 사용하면 발전기의 출력이 b 라고 가정 해 봅시다. 따라서 다음 씨앗은 b 될 것이고 발전기의 출력은 c 입니다. 최종 출력은 a, c 입니다. 임의의 출력을 생성하는 데 사용할 수 있습니다.
자기 재귀가 없으면 발전기의 출력이 b 라고 가정 해 봅시다. 따라서 다음 씨앗은 a, b 될 것이며 발전기의 출력은 a, b, c 입니다. 최종 출력은 a, b, c 입니다. 보다 정확한 프롬프트에 사용할 수 있습니다.
이제 6 가지 명령을 사용할 수 있습니다. 이들은 생성, 설정, 인쇄, 클리어, CLS 및 종료 명령입니다. CLEAR 및 CLS 명령은 터미널을 지우고 종료 명령이 CLI 응용 프로그램으로 돌아갑니다. 메인 메뉴로 돌아갑니다.

메뉴를 생성하십시오

생성 메뉴에서는 시드를 입력하고 생성 된 텍스트를 얻을 수 있습니다.

메뉴 설정

값을 설정하려면 변수를 선택할 수 있습니다. 모델 이름과 모델 경로를 제외하고 이전에 지정할 변수를 선택할 수 있습니다.

인쇄 메뉴

현재 변수 값을 인쇄하십시오.

cli-generate_compressed.mp4

GUI 응용 프로그램

python start.py --gui 명령으로 응용 프로그램을 시작하십시오. 이 명령은 가상 환경을위한 'Venv'파일을 찾을 것입니다. 종속성을 설정하고 응용 프로그램을 시작할 것입니다. 첫 번째 설정 후 GUI 응용 프로그램을 시작합니다.

파서 탭

프롬프트 번역 확인란을 선택하여 프롬프트를 영어로 번역 할 수 있습니다. 영어와 모국어의 혼합으로 프롬프트를 쓸 수 있습니다. Googletranslator는 번역에 사용됩니다. 이 확인란은 'Prompts'폴더의 모든 파일을 구문 분석 하고 기능을 구문 분석하고 저장합니다 .
'Prompts'폴더 버튼의 모든 파일을 구문 분석하고 Repo 디렉토리에있는 'Prompts'폴더 아래에 모든 Markdown 파일이 가져오고 있습니다.
프롬프트 파일 선택 버튼은 마크 다운 파일을 선택할 수있는 창이 표시됩니다. 여러 파일을 선택할 수 있습니다.
선택 후 구문 분석 및 저장 버튼을 누르면 완료되었습니다. 선택한 마크 다운 파일이있는 폴더에서 텍스트 파일을 찾을 수 있습니다. _Negative 및 _positive 이름으로 부정적인 긍정적 인 프롬프트를 분리한다는 것을 알 수 있습니다.
마크 다운 파일에서 긍정적 인 프롬프트 와 부정적인 프롬프트 문자열을 편집하지 마십시오. 이것들은 프롬프트를 분리하는 데 사용됩니다. # 기호를 추가하거나 줄일 수 있지만 문자열을 편집하지는 않습니다.
줄의 끝에 쉼표를 추가하지 마십시오. 파서가 당신을 위해 추가하고 있습니다.

gui-parse.mp4

데이터 세트 탭

txt 파일에 프롬프트 링크를 저장하십시오. Civitai에서 이미지를 선택하고 링크를 TXT 파일에 복사하여 붙여 넣으십시오.
txt 파일로 제공되는 링크 데이터 세트를 선택하십시오.
이름을 지정하려는 긍정적이고 부정적인 파일 이름을 작성하십시오.
데이터 세트 생성 버튼을 클릭하고 대기합니다. GUI 및 터미널의 ProgressBar에서 진행 상황을 볼 수 있습니다.

gui-create.mp4

Civitai 탭

DataSet 폴더 아래에서 wantedPrompts.txt 및 unwantedPrompts.txt 파일을 찾아 원하는 및 원치 않는 프롬프트를 찾으십시오. 쉼표로 프롬프트를 분리하십시오.
데이터 세트에 긍정적이고 부정적인 파일 이름을 제공하십시오. 길을주지 마십시오. 파일은 데이터 세트 폴더에서 작성됩니다.
속성을 선택하십시오.
모든 이미지를 얻으려면 NSFW의 All 선택하십시오.
Enhance 버튼을 클릭하고 단자에서로드 바를 완료 할 때까지 기다린 다음 데이터 세트 폴더를 확인하십시오.

gui-civitai_compressed.mp4

기차 탭

모델 이름을 입력하십시오. 모델 이름을 찾을 수 있습니다.
에포크, 배치 크기를 입력하십시오.
모델의 폴더 이름을 입력하십시오. 모델은 '데이터 세트'폴더에 저장됩니다.
모델로 훈련 할 데이터 세트를 선택하십시오.
기차 버튼을 클릭하고 완료를 기다립니다 !!! 버튼 위에 텍스트가 나타납니다.

gui-train.mp4

탭을 평가하십시오

교육에 사용되는 데이터 세트를 선택하십시오.
교육에 사용한 모델 이름을 입력하십시오. 모델의 폴더 이름을 입력하지 마십시오.
모델의 저장된 폴더를 선택하십시오.
버튼 평가를 클릭하고 버튼 위의 평가 점수 출력을 기다립니다.

gui-evaluate.mp4

탭을 생성하십시오

교육에 사용한 모델 이름을 입력하십시오. 모델의 폴더 이름을 입력하지 마십시오.
모델의 저장된 폴더를 선택하십시오.
모델이 생성 할 수있는 최소 길이를 입력하십시오.
모델이 생성 할 수있는 최대 길이를 입력하십시오.
이러한 기능을 원하는 경우 확인란을 선택하십시오.
슬라이더로 재귀 레벨을 설정하십시오. 각 단계마다 모델에 이전 결과를 제공 할 것입니다.
자체 재귀를 원하는 경우 선택하십시오.
씨앗을 입력하고 텍스트 버튼을 생성 하고 텍스트 상자에 텍스트가 나타날 때까지 기다립니다.

gui-generate.mp4

재귀는 어떻게 작동합니까?

씨앗과 재귀 수준이 1이므로 우리가 a, 준다고 가정 해 봅시다.이 예제와 동일한 출력을 사용하여 기능을보다 정확하게 이해할 것입니다.
자체 재귀를 사용하면 발전기의 출력이 b 라고 가정 해 봅시다. 따라서 다음 씨앗은 b 될 것이고 발전기의 출력은 c 입니다. 최종 출력은 a, c 입니다. 임의의 출력을 생성하는 데 사용할 수 있습니다.
자기 재귀가 없으면 발전기의 출력이 b 라고 가정 해 봅시다. 따라서 다음 씨앗은 a, b 될 것이며 발전기의 출력은 a, b, c 입니다. 최종 출력은 a, b, c 입니다. 보다 정확한 프롬프트에 사용할 수 있습니다.

예

파서 예제

아래 이미지에 사용되는 Markdown 파일에 액세스 할 수 있습니다.
이미지는 AIUPScalegui 프로젝트로 업 스케일링됩니다.

00069-3749032177_OUT

발전기 예제

생성 된 프롬프트에 대해 일부 오타 수정 사항이 수행됩니다.
female_positive_gpt2-75_model은 생성기 예제에 사용됩니다. 사전에 발전 된 발전기 모델은 여기에서 찾을 수 있습니다.
이 모델은 75 개의 에포크와 1 개의 배치 크기로 훈련됩니다.

예 1

모델 이름 : gpt2
최소 길이 : 10
최대 길이 : 50
기능이 꺼져 있습니다
재귀 수준 : 0
자기 재귀 : OFF
씨앗 : 성숙한 여자, 기계적 후광
생성 된 프롬프트 : 성숙한 여성, 기계적 후광, (파란색 머리 : 1.2), 복잡하고, 높은 세부 사항, 날카로운 초점, 드라마, 아름다운 소녀, 생 사진, 8k UHD, 필름 곡물, 부신, 지하 표면 산란, 반사, (카우보이 샷 : 1 ))

00000-1602665147

예 2

모델 이름 : gpt2
최소 길이 : 10
최대 길이 : 50
기능이 꺼져 있습니다
재귀 수준 : 1
씨앗 : 여신
자기 재귀 : OFF
생성 된 프롬프트 : 여신, (복잡한 세부 피부 질감 : 1.2), (전기 스파크, 부러진 기계 : 1.1), (기계 본체 : 1.2), 시청자를보고 (스마트 샤프 렌 : 1.2), 중간 가슴, (유령의 유령 쉘), 피사계 심도, 그라디언트 배경, 백라이트, 림 조명, 극적인 조명, 앰비언트 폐색, 부피 조명, 전문 스튜디오 조명, 닫힌 입, 미친 듯이 상세한 입, ((걸작)), 부조리, HDR

00001-1760621993

확장하다

추가 정보

버전 1.0.0
유형 AI 소스 코드
업데이트 시간 2025-02-07
크기 66.98KB
출처 Github