及时标记的parser

- Markdown是一种轻巧的标记语言,用于使用普通文本编辑器创建格式化的文本。您可以轻松地使用Markdown格式格式化文本。提示很难组织。因此,使用此GUI和基于CLI的解决方案,您可以轻松地使用Markdown文件格式构建提示,并作为单独的TXT文件获得正面和负面提示。
- 现在,您可以创建数据集,训练提示生成器模型,评估模型并使用它生成提示。
内容
- 更新
- 要求
- 用法
- CLI应用
- 解析菜单
- Civitai菜单
- 创建菜单
- 火车菜单
- 评估菜单
- 生成菜单
- GUI申请
- 解析器选项卡
- 数据集选项卡
- Civitai Tab
- 火车标签
- 评估选项卡
- 生成选项卡
- WebUI应用程序
- 提示发电机自定义节点for comfyui
- 例子
更新
要求
- 在Windows OS环境中进行了测试。
- GUI应用程序需要至少3.7个Python版本。
- 用Python 3.10.6和3.11.3测试。作为Python 3.10.6和较新版本TKINTER的注释。您可以通过以下命令轻松测试它:
检查TKINTER模块
- 从命令行输入
python
命令,然后按Enter按钮。 - 编写
import tkinter
命令,然后按Enter按钮。如果没有错误。你准备出发了。 - 写出
exit()
命令,然后按Enter按钮退出。
用法
- 用
git clone https://github.com/alpertunga-bile/prompt-markdown-parser.git
命令克隆存储库。 - 使用
cd prompt-markdown-parser
命令进入文件夹。
视窗
download_compressed.mp4
Linux
- 尝试
python start.py
命令。如果失败,请运行以下命令
python -m venv venv
source venv/bin/activate
pip3 install -r requirements.txt
CLI应用
- 使用
python start.py --cli
命令启动应用程序。此命令将为虚拟环境寻找“ VENV”文件。它将设置依赖项并启动应用程序。在第一个设置之后,它将启动CLI应用程序。 - 主菜单中有8个命令。这些是分析,创建,训练,评估,生成,清晰,CL和退出。使用前5个命令,您可以访问不同的菜单。使用Clear和CLS命令,您可以清除终端。使用退出命令,您可以终止应用程序。
- 您不必编写所有命令,您可以编写第2个或3个字母,然后按
TAB
按钮以完成自动完成。
解析菜单
- 在解析部分中,有3个命令,Allparse,Parse和退出。您可以在此处使用
TAB
按钮。 - 您必须具有
prompts
夹才能继续使用AllParse命令。它将在prompts
文件夹下找到所有.MD文件,并打印可以找到的总文件。之后,它将要求您要翻译。您可以在此处使用自动完成功能。然后,它将解析所有文件并在prompts
夹中写入它们。 - 在解析命令中。您可以将filepath指定为解析,然后询问翻译,然后将其解析并使用.md文件保存到同一文件夹中。
cli-parse.mp4
Civitai菜单
cli-civitai_compressed.mp4
创建菜单
- 在“创建菜单”中,您必须提供数据集路径。那么如何创建数据集文件?实际上,这很容易,请访问Civitai网站,找到您喜欢的图像。然后将其链接复制并粘贴到TXT文件中。
- 然后指定正面文件名。如果您已经具有正面数据集,则也可以指定它,但必须在数据集文件夹下。
- 然后指定负文件名。如果您已经有负数据集,则可以指定它,但必须在数据集文件夹下。
- 您可以使用或没有文件扩展名字写。
- 之后,等待进度栏完成并
DONE !!!
终端上的文字。
cli create.mp4
火车菜单
- 给您的数据集路径。这可能是您的正面或负面数据集。不是链接数据集。
- 输入您的型号名称,例如
gpt2
。您可以找到模型名称。如果要使用此站点,请写所有模型名称,例如bigscience/bloom-560m
。 - 输入时期。
- 输入批处理大小。
- 输入模型保存文件夹名称。该模型将在数据集文件夹下保存。因此,正好正确地保存文件夹的名称。
- 等待
DONE!!!
终端上的文字。
cli-train.mp4
评估菜单
- 给您的数据集路径。这可能是您的正面或负面数据集。不是链接数据集。
- 输入您的型号名称,例如
gpt2
。您可以找到模型名称。如果要使用此站点,请写所有模型名称,例如bigscience/bloom-560m
。 - 输入模型路径。
- 等待终端上的
Evaluation Score (Loss)
文本。
cli-evaluate.mp4
生成菜单
- 输入您的型号名称,例如
gpt2
。您可以找到模型名称。如果要使用此站点,请写所有模型名称,例如bigscience/bloom-560m
。 - 输入模型路径。
- 输入发电机可以生成的最小长度。
- 输入发电机可以生成的最大长度。
- 选择是否要执行示例功能。
- 选择是否要尽早停止功能。
- 指定递归水平。
- 选择是否需要自我递归功能。
递归如何工作?
假设我们给出了a,
因为种子和递归水平为1。我将使用相同的输出来更准确地理解功能。
使用自递归,可以说生成器的输出为b
。因此,下一个种子将是b
,而发电机的输出为c
。最终输出为a, c
。它可用于生成随机输出。
没有自递归,可以说生成器的输出是b
。因此,下一个种子将是a, b
,生成器的输出为a, b, c
。最终输出为a, b, c
。它可以用于更准确的提示。
现在您可以使用6个命令。这些是生成,设置,打印,清除,CLS和退出命令。 Clear和CLS命令正在清除终端,退出命令返回您到CLI应用程序主菜单。
生成菜单
设置菜单
- 您可以选择一个变量来设置其值。您可以选择在模型名称和模型路径之前指定的变量。
打印菜单
cli-generate_compressed.mp4
GUI申请
- 使用
python start.py --gui
命令启动应用程序。此命令将为虚拟环境寻找“ VENV”文件。它将设置依赖项并启动应用程序。在第一个设置之后,它将启动GUI应用程序。
解析器选项卡
- 您可以选择翻译提示复选框,以将您的提示转换为英语。您可以用英语和母语的混合来编写提示。 GoogletRanslator用于翻译。此复选框可与“提示”文件夹和解析中的所有文件一起使用,并保存功能。
- 解析“提示”文件夹按钮中的所有文件都在“提示”文件夹下获取所有标记文件,该文件夹位于repo目录中并解析并保存它们。
- 选择提示文件按钮将显示一个窗口,让您选择Markdown文件。您可以选择多个文件。
- 选择后按解析并保存按钮,完成了。您可以在文件夹中找到您所选的Markdown文件的文本文件。您会看到它以_NGETATION和_PSOSTIVE名称将负面和积极提示分开。
- 请勿在降价文件中编辑正面提示和负面提示字符串。这些用于分开提示。您可以添加或减少#符号,但不要编辑字符串。
- 在行末尾不要添加逗号“”。解析器正在为您添加。
gui-parse.mp4
数据集选项卡
- 在TXT文件中保存提示链接。只需从civitai中选择图像,然后将其链接复制并粘贴到TXT文件中。
- 选择您在TXT文件中提供的链接数据集。
- 以您要命名为正面的文件名和负面文件名。
- 单击创建数据集按钮并等待。您可以在GUI和终端中使用ProgressBar观看进度。
GUI-CREATE.MP4
Civitai Tab
- 在数据集文件夹下找到
wantedPrompts.txt
和unwantedPrompts.txt
文件,并为通缉和不需要的提示更改。用逗号分开您的提示。 - 为数据集提供正面和负面文件名。不要给路径。文件将在数据集文件夹中创建。
- 选择属性。
- 如果要获取所有图像,请选择
All
NSFW。 - 单击
Enhance
按钮,然后等待加载条在终端中完成,然后检查数据集文件夹。
gui-civitai_compressed.mp4
火车标签
- 输入您的模型名称。您可以找到模型名称。
- 输入时期,批处理大小。
- 输入模型的文件夹名称。您的模型将被保存到“数据集”文件夹中。
- 选择用于使用模型训练的数据集。
- 点击火车按钮,等待完成!!!文字显示在按钮上方。
GUI-Train.MP4
评估选项卡
- 选择用于培训的数据集。
- 输入您用于培训的模型名称。请勿输入模型的文件夹名称。
- 选择模型保存的文件夹。
- 单击评估按钮,然后等待按钮上方的评估分数输出。
gui-evaluate.mp4
生成选项卡
- 输入您用于培训的模型名称。请勿输入模型的文件夹名称。
- 选择模型保存的文件夹。
- 输入该模型可以生成的最小长度。
- 输入该模型可以生成的最大长度。
- 如果需要这些功能,请勾选复选框。
- 用滑块设置递归级别。它将在每个步骤中为模型提供先前的结果。
- 选择是否需要自递归。
- 输入您的种子,然后单击生成的文本按钮,然后等待文本框中显示文本。
GUI-GENERATE.MP4
递归如何工作?
- 假设我们给出了
a,
因为种子和递归水平为1。我将使用相同的输出来更准确地理解功能。 - 使用自递归,可以说生成器的输出为
b
。因此,下一个种子将是b
,而发电机的输出为c
。最终输出为a, c
。它可用于生成随机输出。 - 没有自递归,可以说生成器的输出是
b
。因此,下一个种子将是a, b
,生成器的输出为a, b, c
。最终输出为a, b, c
。它可以用于更准确的提示。
例子
解析器示例
- 您可以访问用于以下图像的标记文件。
- Aiupscalegui项目可以提高图像。

发电机示例
- 为生成的提示完成了一些错字修复程序。
- emay_positive_gpt2-75_model用于发电机示例。验证的发电机模型可以在此处找到。
- 该型号经过75个时期和1批尺寸训练。
示例1
- 型号:GPT2
- 最小长度:10
- 最大长度:50
- 功能关闭
- 递归水平:0
- 自我递归:OFF
- 种子:成熟的女人,机械光环
- 生成的提示:成熟的女人,机械光环,(蓝色头发:1.2),复杂,高细节,尖锐的焦点,戏剧性,美丽的女孩,原始照片,8k UHD,胶片粒,苛性剂,地下散射,反射,牛仔射击,(牛仔射击:1:1 )

示例2
- 型号:GPT2
- 最小长度:10
- 最大长度:50
- 功能关闭
- 递归水平:1
- 种子:女神
- 自我递归:OFF
- 生成的提示:女神,(复杂的详细皮肤纹理:1.2),(电气火花,破碎机:1.1),(机器主体:1.2),看着观众,(智能锐化:1.2),中等乳房,壳),景深,梯度背景,背光,边缘照明,戏剧性照明,环境遮挡,体积照明,专业的工作室照明,张开的嘴,疯狂详细的,(((杰作)),荒谬,HDR,HDR
