及時標記的parser
- Markdown是一種輕巧的標記語言，用於使用普通文本編輯器創建格式化的文本。您可以輕鬆地使用Markdown格式格式化文本。提示很難組織。因此，使用此GUI和基於CLI的解決方案，您可以輕鬆地使用Markdown文件格式構建提示，並作為單獨的TXT文件獲得正面和負面提示。
- 現在，您可以創建數據集，訓練提示生成器模型，評估模型並使用它生成提示。
內容
- 更新
- 要求
- 用法
- CLI應用
- 解析菜單
- Civitai菜單
- 創建菜單
- 火車菜單
- 評估菜單
- 生成菜單
- GUI申請
- 解析器選項卡
- 數據集選項卡
- Civitai Tab
- 火車標籤
- 評估選項卡
- 生成選項卡
- WebUI應用程序
- 提示發電機自定義節點for comfyui
- 例子
更新
要求
- 在Windows OS環境中進行了測試。
- GUI應用程序需要至少3.7個Python版本。
- 用Python 3.10.6和3.11.3測試。作為Python 3.10.6和較新版本TKINTER的註釋。您可以通過以下命令輕鬆測試它：
檢查TKINTER模塊
- 從命令行輸入
python命令，然後按Enter按鈕。 - 編寫
import tkinter命令，然後按Enter按鈕。如果沒有錯誤。你準備出發了。 - 寫出
exit()命令，然後按Enter按鈕退出。
用法
- 用
git clone https://github.com/alpertunga-bile/prompt-markdown-parser.git命令克隆存儲庫。 - 使用
cd prompt-markdown-parser命令進入文件夾。
視窗
download_compressed.mp4
Linux
- 嘗試
python start.py命令。如果失敗，請運行以下命令
python -m venv venv
source venv/bin/activate
pip3 install -r requirements.txt
CLI應用
- 使用
python start.py --cli命令啟動應用程序。此命令將為虛擬環境尋找“ VENV”文件。它將設置依賴項並啟動應用程序。在第一個設置之後，它將啟動CLI應用程序。 - 主菜單中有8個命令。這些是分析，創建，訓練，評估，生成，清晰，CL和退出。使用前5個命令，您可以訪問不同的菜單。使用Clear和CLS命令，您可以清除終端。使用退出命令，您可以終止應用程序。
- 您不必編寫所有命令，您可以編寫第2個或3個字母，然後按
TAB按鈕以完成自動完成。
解析菜單
- 在解析部分中，有3個命令，Allparse，Parse和退出。您可以在此處使用
TAB按鈕。 - 您必須具有
prompts夾才能繼續使用AllParse命令。它將在prompts文件夾下找到所有.MD文件，並打印可以找到的總文件。之後，它將要求您要翻譯。您可以在此處使用自動完成功能。然後，它將解析所有文件並在prompts夾中寫入它們。 - 在解析命令中。您可以將filepath指定為解析，然後詢問翻譯，然後將其解析並使用.md文件保存到同一文件夾中。
cli-parse.mp4
Civitai菜單
cli-civitai_compressed.mp4
創建菜單
- 在“創建菜單”中，您必須提供數據集路徑。那麼如何創建數據集文件？實際上，這很容易，請訪問Civitai網站，找到您喜歡的圖像。然後將其鏈接複製並粘貼到TXT文件中。
- 然後指定正面文件名。如果您已經具有正面數據集，則也可以指定它，但必須在數據集文件夾下。
- 然後指定負文件名。如果您已經有負數據集，則可以指定它，但必須在數據集文件夾下。
- 您可以使用或沒有文件擴展名字寫。
- 之後，等待進度欄完成並
DONE !!!終端上的文字。
cli create.mp4
火車菜單
- 給您的數據集路徑。這可能是您的正面或負面數據集。不是鏈接數據集。
- 輸入您的型號名稱，例如
gpt2 。您可以找到模型名稱。如果要使用此站點，請寫所有模型名稱，例如bigscience/bloom-560m 。 - 輸入時期。
- 輸入批處理大小。
- 輸入模型保存文件夾名稱。該模型將在數據集文件夾下保存。因此，正好正確地保存文件夾的名稱。
- 等待
DONE!!!終端上的文字。
cli-train.mp4
評估菜單
- 給您的數據集路徑。這可能是您的正面或負面數據集。不是鏈接數據集。
- 輸入您的型號名稱，例如
gpt2 。您可以找到模型名稱。如果要使用此站點，請寫所有模型名稱，例如bigscience/bloom-560m 。 - 輸入模型路徑。
- 等待終端上的
Evaluation Score (Loss)文本。
cli-evaluate.mp4
生成菜單
- 輸入您的型號名稱，例如
gpt2 。您可以找到模型名稱。如果要使用此站點，請寫所有模型名稱，例如bigscience/bloom-560m 。 - 輸入模型路徑。
- 輸入發電機可以生成的最小長度。
- 輸入發電機可以生成的最大長度。
- 選擇是否要執行示例功能。
- 選擇是否要儘早停止功能。
- 指定遞歸水平。
- 選擇是否需要自我遞歸功能。
遞歸如何工作？
假設我們給出了a,因為種子和遞歸水平為1。我將使用相同的輸出來更準確地理解功能。
使用自遞歸，可以說生成器的輸出為b 。因此，下一個種子將是b ，而發電機的輸出為c 。最終輸出為a, c 。它可用於生成隨機輸出。
沒有自遞歸，可以說生成器的輸出是b 。因此，下一個種子將是a, b ，生成器的輸出為a, b, c 。最終輸出為a, b, c 。它可以用於更準確的提示。
現在您可以使用6個命令。這些是生成，設置，打印，清除，CLS和退出命令。 Clear和CLS命令正在清除終端，退出命令返回您到CLI應用程序主菜單。
生成菜單
設置菜單
- 您可以選擇一個變量來設置其值。您可以選擇在模型名稱和模型路徑之前指定的變量。
打印菜單
cli-generate_compressed.mp4
GUI申請
- 使用
python start.py --gui命令啟動應用程序。此命令將為虛擬環境尋找“ VENV”文件。它將設置依賴項並啟動應用程序。在第一個設置之後，它將啟動GUI應用程序。
解析器選項卡
- 您可以選擇翻譯提示複選框，以將您的提示轉換為英語。您可以用英語和母語的混合來編寫提示。 GoogletRanslator用於翻譯。此復選框可與“提示”文件夾和解析中的所有文件一起使用，並保存功能。
- 解析“提示”文件夾按鈕中的所有文件都在“提示”文件夾下獲取所有標記文件，該文件夾位於repo目錄中並解析並保存它們。
- 選擇提示文件按鈕將顯示一個窗口，讓您選擇Markdown文件。您可以選擇多個文件。
- 選擇後按解析並保存按鈕，完成了。您可以在文件夾中找到您所選的Markdown文件的文本文件。您會看到它以_NGETATION和_PSOSTIVE名稱將負面和積極提示分開。
- 請勿在降價文件中編輯正面提示和負面提示字符串。這些用於分開提示。您可以添加或減少＃符號，但不要編輯字符串。
- 在行末尾不要添加逗號“”。解析器正在為您添加。
gui-parse.mp4
數據集選項卡
- 在TXT文件中保存提示鏈接。只需從civitai中選擇圖像，然後將其鏈接複製並粘貼到TXT文件中。
- 選擇您在TXT文件中提供的鏈接數據集。
- 以您要命名為正面的文件名和負面文件名。
- 單擊創建數據集按鈕並等待。您可以在GUI和終端中使用ProgressBar觀看進度。
GUI-CREATE.MP4
Civitai Tab
- 在數據集文件夾下找到
wantedPrompts.txt和unwantedPrompts.txt文件，並為通緝和不需要的提示更改。用逗號分開您的提示。 - 為數據集提供正面和負面文件名。不要給路徑。文件將在數據集文件夾中創建。
- 選擇屬性。
- 如果要獲取所有圖像，請選擇
All NSFW。 - 單擊
Enhance按鈕，然後等待加載條在終端中完成，然後檢查數據集文件夾。
gui-civitai_compressed.mp4
火車標籤
- 輸入您的模型名稱。您可以找到模型名稱。
- 輸入時期，批處理大小。
- 輸入模型的文件夾名稱。您的模型將被保存到“數據集”文件夾中。
- 選擇用於使用模型訓練的數據集。
- 點擊火車按鈕，等待完成！！！文字顯示在按鈕上方。
GUI-Train.MP4
評估選項卡
- 選擇用於培訓的數據集。
- 輸入您用於培訓的模型名稱。請勿輸入模型的文件夾名稱。
- 選擇模型保存的文件夾。
- 單擊評估按鈕，然後等待按鈕上方的評估分數輸出。
gui-evaluate.mp4
生成選項卡
- 輸入您用於培訓的模型名稱。請勿輸入模型的文件夾名稱。
- 選擇模型保存的文件夾。
- 輸入該模型可以生成的最小長度。
- 輸入該模型可以生成的最大長度。
- 如果需要這些功能，請勾選複選框。
- 用滑塊設置遞歸級別。它將在每個步驟中為模型提供先前的結果。
- 選擇是否需要自遞歸。
- 輸入您的種子，然後單擊生成的文本按鈕，然後等待文本框中顯示文本。
GUI-GENERATE.MP4
遞歸如何工作？
- 假設我們給出了
a,因為種子和遞歸水平為1。我將使用相同的輸出來更準確地理解功能。 - 使用自遞歸，可以說生成器的輸出為
b 。因此，下一個種子將是b ，而發電機的輸出為c 。最終輸出為a, c 。它可用於生成隨機輸出。 - 沒有自遞歸，可以說生成器的輸出是
b 。因此，下一個種子將是a, b ，生成器的輸出為a, b, c 。最終輸出為a, b, c 。它可以用於更準確的提示。
例子
解析器示例
- 您可以訪問用於以下圖像的標記文件。
- Aiupscalegui項目可以提高圖像。
發電機示例
- 為生成的提示完成了一些錯字修復程序。
- emay_positive_gpt2-75_model用於發電機示例。驗證的發電機模型可以在此處找到。
- 該型號經過75個時期和1批尺寸訓練。
示例1
- 型號：GPT2
- 最小長度：10
- 最大長度：50
- 功能關閉
- 遞歸水平：0
- 自我遞歸：OFF
- 種子：成熟的女人，機械光環
- 生成的提示：成熟的女人，機械光環，（藍色頭髮：1.2），複雜，高細節，尖銳的焦點，戲劇性，美麗的女孩，原始照片，8k UHD，膠片粒，苛性劑，地下散射，反射，牛仔射擊，（牛仔射擊：1：1 ）
示例2
- 型號：GPT2
- 最小長度：10
- 最大長度：50
- 功能關閉
- 遞歸水平：1
- 種子：女神
- 自我遞歸：OFF
- 生成的提示：女神，（複雜的詳細皮膚紋理：1.2），（電氣火花，破碎機：1.1），（機器主體：1.2），看著觀眾，（智能銳化：1.2），中等乳房，殼） ，景深，梯度背景，背光，邊緣照明，戲劇性照明，環境遮擋，體積照明，專業的工作室照明，張開的嘴，瘋狂詳細的，（（（傑作）），荒謬，HDR，HDR
