chaiNNer
v0.24.1
GUI การประมวลผลภาพแบบโหนดมีจุดมุ่งหมายเพื่อทำให้งานการประมวลผลภาพแบบเชื่อมโยงเป็นเรื่องง่ายและปรับแต่งได้ chaiNNer ถือกำเนิดขึ้นในฐานะแอปพลิเคชันการขยายขนาด AI และได้เติบโตขึ้นเป็นแอปพลิเคชันการประมวลผลภาพแบบเป็นโปรแกรมที่มีความยืดหยุ่นและทรงพลังอย่างยิ่ง
ChaiNNer ช่วยให้คุณปรับแต่งขั้นตอนการประมวลผลภาพของคุณได้ในระดับเดียวกับที่น้อยคนนักจะทำได้ ไม่เพียงแต่คุณจะสามารถควบคุมไปป์ไลน์การประมวลผลของคุณได้อย่างเต็มที่ แต่คุณยังสามารถทำงานที่ซับซ้อนอย่างไม่น่าเชื่อได้เพียงแค่เชื่อมต่อโหนดสองสามโหนดเข้าด้วยกัน
ChaiNNer ยังเป็นแพลตฟอร์มข้ามแพลตฟอร์ม ซึ่งหมายความว่าคุณสามารถรันบน Windows, MacOS และ Linux
หากต้องการความช่วยเหลือ คำแนะนำ หรือเพียงแค่ออกไปเที่ยว คุณสามารถเข้าร่วมเซิร์ฟเวอร์ chaiNNer Discord ได้
ข้อควรจำ: chaiNNer ยังคงอยู่ในระหว่างดำเนินการและเป็นอัลฟ่า แม้ว่าเราจะค่อยๆ เข้าถึงจุดที่เราต้องการได้มากขึ้น แต่ก็ต้องใช้เวลาพอสมควรในการมีฟีเจอร์ที่เป็นไปได้ทุกอย่างที่เราต้องการเพิ่ม หากคุณมีความรู้เกี่ยวกับ TypeScript, React หรือ Python อย่าลังเลที่จะมีส่วนร่วมในโปรเจ็กต์นี้ และช่วยให้เราเข้าใกล้เป้าหมายนั้นมากขึ้น
ดาวน์โหลดรุ่นล่าสุดจากหน้าเผยแพร่ Github และเรียกใช้โปรแกรมติดตั้งที่เหมาะสมที่สุดสำหรับระบบของคุณ ง่ายๆแบบนั้น
คุณไม่จำเป็นต้องติดตั้ง Python ด้วยซ้ำ เนื่องจาก chaiNNer จะดาวน์โหลดบิวด์ Python ที่ผสานรวมแบบแยกเดี่ยวเมื่อเริ่มต้นระบบ จากนั้น คุณสามารถติดตั้งการขึ้นต่อกันอื่นๆ ทั้งหมดผ่านทาง Dependency Manager
หากคุณต้องการใช้การติดตั้ง Python ของระบบอยู่ คุณสามารถเปิดการตั้งค่า Python ของระบบได้ อย่างไรก็ตาม ขอแนะนำให้ใช้ integrated Python มากกว่า หากคุณต้องการใช้ระบบ Python ของคุณ เราขอแนะนำให้ใช้ Python 3.11 แต่เราพยายามรองรับ 3.8, 3.9 และ 3.10 ด้วยเช่นกัน
หากคุณต้องการทดสอบการเปลี่ยนแปลงและปรับแต่งล่าสุด ลองสร้างทุกคืนของเรา
แม้ว่ามันอาจจะดูน่ากลัวในตอนแรกเนื่องจากมีตัวเลือกที่เป็นไปได้ทั้งหมด แต่ chaiNNer ก็ค่อนข้างใช้งานง่าย ตัวอย่างเช่น นี่คือทั้งหมดที่คุณต้องทำเพื่อที่จะยกระดับ:
ก่อนที่คุณจะมาถึงจุดนี้ คุณจะต้องติดตั้งหนึ่งในเฟรมเวิร์กโครงข่ายประสาทเทียมจากตัวจัดการการพึ่งพา คุณสามารถเข้าถึงได้ผ่านปุ่มที่มุมขวาบน ChaiNNer ให้การสนับสนุน PyTorch (ด้วยสถาปัตยกรรมบางรุ่น), NCNN และ ONNX สำหรับผู้ใช้ Nvidia PyTorch จะเป็นวิธีที่ต้องการในการยกระดับ สำหรับผู้ใช้ AMD NCNN จะเป็นทางเลือกที่ดีที่สุดในการยกระดับ
การขึ้นต่อกันของ Python อื่นๆ ทั้งหมดได้รับการติดตั้งโดยอัตโนมัติ และ chaiNNer ยังมีการรองรับ Python แบบผสานรวมในตัว ดังนั้นคุณจึงไม่ต้องแก้ไขการกำหนดค่า Python ที่มีอยู่
จากนั้น สิ่งที่คุณต้องทำคือลากและวาง (หรือดับเบิลคลิก) ชื่อโหนดในแผงการเลือกเพื่อนำเข้าสู่เครื่องมือแก้ไข จากนั้น ลากจากจุดจับโหนดหนึ่งไปยังอีกจุดหนึ่งเพื่อเชื่อมต่อโหนด ที่จับแต่ละอันจะมีรหัสสีตามประเภทเฉพาะ และในขณะที่เชื่อมต่อจะแสดงเฉพาะการเชื่อมต่อที่เข้ากันได้เท่านั้น ทำให้ง่ายมากที่จะรู้ว่าจะเชื่อมต่อที่ไหน
เมื่อคุณตั้งค่าห่วงโซ่การทำงานในเครื่องมือแก้ไขแล้ว คุณสามารถกดปุ่ม "เรียกใช้" สีเขียวในแถบด้านบนเพื่อเรียกใช้ห่วงโซ่ที่คุณสร้างขึ้นได้ คุณจะเห็นการเชื่อมต่อระหว่างโหนดเป็นแบบเคลื่อนไหว และเริ่มไม่เคลื่อนไหวเมื่อเสร็จสิ้นการประมวลผล คุณสามารถหยุดหรือหยุดการประมวลผลชั่วคราวได้ด้วยปุ่ม "หยุด" สีแดงและปุ่ม "หยุดชั่วคราว" สีเหลืองตามลำดับ
อย่าลืมว่ายังมีงานที่ไม่อัปสเกลอีกมากมายที่คุณสามารถทำได้ด้วย chaiNNer เช่นกัน!
หากต้องการเลือกหลายโหนด ให้กด Shift ค้างไว้แล้วลากไปรอบๆ โหนดทั้งหมดที่คุณต้องการเลือก คุณยังสามารถเลือกแต่ละโหนดได้ด้วยการคลิกที่โหนดนั้น เมื่อเลือกโหนดแล้ว คุณสามารถกด Backspace หรือ Delete เพื่อลบออกจากตัวแก้ไขได้
หากต้องการดำเนินการประมวลผลเป็นชุดในโฟลเดอร์รูปภาพ ให้ใช้โหนด "โหลดรูปภาพ" ในการประมวลผลวิดีโอ ให้ใช้โหนด "โหลดวิดีโอ" สิ่งสำคัญที่ควรทราบคือคุณไม่สามารถใช้ทั้งโหนด "โหลดรูปภาพ" และ "โหลดวิดีโอ" (หรือสองโหนดใดๆ ที่ดำเนินการวนซ้ำแบบกลุ่ม) ร่วมกันในห่วงโซ่ อย่างไรก็ตาม คุณสามารถรวมโหนดเอาต์พุต (ตัวรวบรวม) เข้าด้วยกันได้ เช่น การใช้ "บันทึกรูปภาพ" กับ "โหลดวิดีโอ" และ "บันทึกวิดีโอ" ด้วย "โหลดรูปภาพ"
คุณสามารถคลิกขวาในวิวพอร์ตของตัวแก้ไขเพื่อแสดงรายการโหนดแบบอินไลน์เพื่อเลือก คุณยังสามารถรับเมนูนี้ได้โดยการลากการเชื่อมต่อออกไปยังตัวแก้ไข แทนที่จะทำการเชื่อมต่อจริง และเมนูนี้จะแสดงโหนดที่เข้ากันได้เพื่อสร้างการเชื่อมต่อโดยอัตโนมัติ
ไม่รองรับ MacOS เวอร์ชัน 10.x และต่ำกว่า
ไม่รองรับ Windows เวอร์ชัน 8.1 และต่ำกว่าเช่นกัน
Apple Silicon Macs ควรรองรับเกือบทุกอย่าง แม้ว่า ONNX จะรองรับเฉพาะ CPU Execution Provider และบางครั้ง NCNN ก็ทำงานไม่ถูกต้อง
ผู้ใช้ NCNN บางรายที่มี GPU ที่ไม่ใช่ NVIDIA อาจได้รับเอาต์พุตที่เป็นสีดำทั้งหมด ฉันไม่แน่ใจว่าต้องทำอย่างไรเพื่อแก้ไขปัญหานี้ เนื่องจากดูเหมือนว่าจะเป็นเพราะไดรเวอร์กราฟิกหยุดทำงานอันเป็นผลมาจากหน่วยความจำไม่เพียงพอ หากสิ่งนี้เกิดขึ้นกับคุณ ให้ลองตั้งค่าจำนวนการเรียงต่อกันด้วยตนเอง
หากต้องการใช้โหนดคลิปบอร์ด ผู้ใช้ Linux จำเป็นต้องมี xclip หรือสำหรับผู้ใช้เวย์แลนด์ ต้องติดตั้ง wl-copy
สำหรับการอนุมาน PyTorch รองรับเฉพาะ Nvidia GPU อย่างเป็นทางการเท่านั้น หากคุณไม่มี Nvidia GPU คุณจะต้องใช้ PyTorch ในโหมด CPU เนื่องจาก PyTorch รองรับเฉพาะ CUDA ของ Nvidia เท่านั้น ผู้ใช้ MacOS บน Apple Silicon Mac ยังสามารถใช้ประโยชน์จากโหมด MPS ของ PyTorch ได้ด้วย ซึ่งควรทำงานร่วมกับ chaiNNer
หากคุณมี AMD หรือ Intel GPU ที่รองรับ NCNN อย่างไรก็ตาม chaiNNer รองรับการอนุมาน NCNN แล้ว คุณสามารถใช้ไฟล์โมเดล NCNN .bin/.param ที่มีอยู่ได้ (ทดสอบเฉพาะรุ่น SR ที่เกี่ยวข้องกับ ESRGAN เท่านั้น) หรือใช้ chaiNNer เพื่อแปลงโมเดล PyTorch หรือ ONNX เป็น NCNN
สำหรับ NCNN ตรวจสอบให้แน่ใจว่าได้เลือก GPU ที่คุณต้องการใช้ในการตั้งค่า อาจเป็นค่าเริ่มต้นสำหรับกราฟิกรวมของคุณ!
สำหรับ Nvidia GPU นั้น ONNX ก็เป็นตัวเลือกที่จะใช้เช่นกัน ONNX จะใช้โหมด CPU บน GPU ที่ไม่ใช่ NVIDIA คล้ายกับ PyTorch
ปัจจุบัน ChaiNNer รองรับสถาปัตยกรรมโครงข่ายประสาทเทียมในจำนวนที่จำกัด สถาปัตยกรรมเพิ่มเติมจะได้รับการสนับสนุนในอนาคต
ตั้งแต่เวอร์ชัน 0.21.0 เป็นต้นไป chaiNNer ใช้แพ็คเกจใหม่ของเราที่เรียกว่า Spandrel เพื่อรองรับสถาปัตยกรรมโมเดล Pytorch หากต้องการทราบว่ามีอะไรบ้างที่รองรับ โปรดดูรายการที่นั่น
สำหรับข้อมูลการแก้ไขปัญหา โปรดดูเอกสารการแก้ไขปัญหา
ฉันจัดเตรียม chaiNNer เวอร์ชันที่สร้างไว้ล่วงหน้าไว้ที่นี่บน GitHub อย่างไรก็ตาม หากคุณต้องการสร้าง chaiNNer ด้วยตัวเอง เพียงรัน npm install (ตรวจสอบให้แน่ใจว่าคุณได้ติดตั้ง npm v7 ไว้เป็นอย่างน้อย) เพื่อติดตั้งการขึ้นต่อกันของ nodejs ทั้งหมด และ npm run make เพื่อสร้างแอปพลิเคชัน
สำหรับข้อมูลคำถามที่พบบ่อย โปรดดูเอกสารคำถามที่พบบ่อย
