拿大模型代碼來(lái)訓練自用小模型

1 前言

上一期所刊登的《從CLIP 應用領(lǐng)會(huì )隱空間的魅力》一文里，就是一個(gè)典型的范例：從Github 網(wǎng)頁(yè)下載OpenAI 公司的CLIP 源代碼(Source code)，然后搭配自己收集的小數據來(lái)訓練一個(gè)給超市商家使用的小模型( 圖1)。

圖1 Github上的免費CLIP源碼

那么，這大模型與小模型，兩者的代碼之間，有何不同呢？ 這可能會(huì )出乎您的預料，其核心模型的代碼，大多是一致的、相容的。常常僅是大模型的參數量很大，而小模型參數量較少而已。

于是就能免費拿來(lái)大模型的開(kāi)源代碼，把其參數量調小，搭配企業(yè)自有IP 的數據( 訓練數據量較少)，在較省算力的計算機上即可把代碼跑起來(lái)，訓練出企業(yè)自有IP 的中小模型了。免費代碼既省成本、可靠、省算力、又自有IP，可謂取之不盡、用之不竭的資源，豈不美哉！

例如，在上一期的文章里，就以商店柜臺的產(chǎn)品推薦應用為例演示了：拿CLIP 的源代碼，搭配商家自有產(chǎn)品圖像(Image) 和圖像敘述文句(Text)，來(lái)訓練出企業(yè)自用的CLIP 小模型。

然而，上一期文章里，并沒(méi)有詳細說(shuō)明其訓練的流程。于是，本文就拿另一個(gè)范例來(lái)演示，并且說(shuō)明其開(kāi)發(fā)流程。由于本文的主題是代碼，如果您有些Python代碼的基礎知識，就會(huì )更容易理解。

2 以”訓練Diffusion寫(xiě)書(shū)法”為例

在之前的文章《細觀(guān)Diffusion 隱空間里UNet 的訓練流程》里，曾經(jīng)介紹過(guò)Diffusion 架構，及其訓練方法。在A(yíng)IGC 潮流中，SD(Stable Diffusion) 產(chǎn)品的推出是AIGC 圖像生成發(fā)展歷程中的一個(gè)里程碑，提供了高性能模型，能快速生成創(chuàng )意十足的圖像。

于是，本范例就拿Diffusion 來(lái)學(xué)習，及創(chuàng )作書(shū)法字體，也就是俗稱(chēng)的：寫(xiě)書(shū)法。雖然Diffusion 也能學(xué)習依循標準筆順，來(lái)逐筆寫(xiě)出字形。為了從簡(jiǎn)單范例出發(fā)，本文先讓Diffusion 來(lái)學(xué)習程生成整個(gè)字形，而不是逐一生成各筆劃。

在SD 里，UNet 模型扮演關(guān)鍵性角色。在SD 的隱空間里，它使用了一個(gè)UNet 模型，并搭配一個(gè)時(shí)間調度(Scheduling) 器，來(lái)?yè)螆D像生成的核心任務(wù)。而擴散(Diffusion) 一詞則描述了SD 隱空間里進(jìn)行的圖像生成情形，整個(gè)過(guò)程都是在隱空間里逐步推進(jìn)(Step by step) 的，現在就依循開(kāi)發(fā)流程來(lái)逐步說(shuō)明之。

Step-1：從Github網(wǎng)頁(yè)下載Diffusers源碼首先訪(fǎng)問(wèn)這個(gè)Huggingface 網(wǎng)頁(yè)( 圖2)，然后，按下”code”就自動(dòng)把Diffusers 源碼下載到本機里了。這源碼本身并不大，只有4.5MB 大小而已。

圖2 Github上的免費Diffusers源碼

Step-2：把Code放置于Python 的IDLE環(huán)境里

把剛才下載的Diffusers代碼壓縮檔解開(kāi)，放置于Wibdows 本機的Python 工作區里，例如 /Python310/ 目錄區里( 圖3)，這樣，就能先在本機里做簡(jiǎn)單的測試，例如創(chuàng )建模型并拿簡(jiǎn)單數據( 或假數據) 來(lái)測試，有助于提升成功的自信心。

圖3 放置于本機的Python環(huán)境里

Step-3：找出Diffusion的核心模型---UNet

由于小模型常常只需要部份代碼就足夠了，所以就打開(kāi)上圖里的/diffusers/ 活頁(yè)夾，就會(huì )看到所需要的UNet 模型代碼文件--- unet_2d_condition.py 檔案，如圖4 所示。

圖4 放置于本機的Python環(huán)境里

接著(zhù)，打開(kāi)這個(gè)unet_2d_condition.py 檔案，可以看到內含的類(lèi)(Class) 定義：

class UNet2DConditionModel(…):

……………

……………

這個(gè)UNet2DCondition 類(lèi)就是所需要的UNet 模型的定義了。

Step-4：準備訓練數據(Training data)在本文的范例里，收集了”春、滿(mǎn)、干、坤”四個(gè)字的書(shū)法圖像，各5 個(gè)圖像，如圖5 所示。

圖5 訓練數據

總共有20 個(gè)書(shū)法字體的圖像。使用這20 張書(shū)法圖像，來(lái)讓UNet 模型學(xué)習，就能讓它”畫(huà)”出書(shū)法字了。之后，也能進(jìn)一步讓它學(xué)習沒(méi)一個(gè)字的筆順，來(lái)逐筆地”寫(xiě)”出書(shū)法字體了。

Step-5：編寫(xiě)”模型訓練”主程序，然后展開(kāi)訓練

準備好了訓練數據( 書(shū)法圖像)，就來(lái)編寫(xiě)一個(gè)主程序，使用UNet2DCondition 類(lèi)來(lái)創(chuàng )建一個(gè)UNet 模型。主程序的代碼如下：

接著(zhù)，就拿剛才所準備的訓練圖像，來(lái)展開(kāi)訓練，也就是讓UNet 模型來(lái)學(xué)習了。其代碼如下：

在SD 隱空間里，它使用了一個(gè)UNet 模型，并搭配一個(gè)時(shí)間調度(Scheduling) 器，來(lái)?yè)螆D像生成的核心任務(wù)。執行到上圖紅色框的指令時(shí)，就會(huì )把隨機噪音添加到書(shū)法圖像里，成為”含噪音圖像”(Image noisy)。然后把它輸入給UNet 模型，讓它預測出此圖像所含的噪音。在SD 里，使用數學(xué)運算，根據時(shí)間步數(即上圖里的ts) 來(lái)決定將多少噪音量添加到原圖像里。這樣地重復訓練500 回合。如果圖像數量增大時(shí)，在單機上訓練，可能速度非常緩慢。此時(shí)可以把這些代碼遷移到有GPU 的機器上進(jìn)行訓練，能大幅提高效率。

Step-6：編寫(xiě)”圖像生成”主程序，然后展開(kāi)創(chuàng )作

訓練好了，就得到了自用小模型了。最后就可編寫(xiě)另一個(gè)主程序，來(lái)讓UNet 模型生成各種創(chuàng )意的書(shū)法作品了。例如，把字寫(xiě)在唐宋時(shí)期的國畫(huà)里，如圖6 所示。

圖6 AI的書(shū)法創(chuàng )作

每次執行這個(gè)書(shū)法主程序，都會(huì )有一些不一樣的創(chuàng )新，例如圖-6 的左右兩項書(shū)法創(chuàng )作。

3 結語(yǔ)

基于本文的范例，可以繼續微調、優(yōu)化這UNet 模型及主程序代碼，讓AI 做出更多的創(chuàng )新作品。例如，也能進(jìn)一步讓它學(xué)習沒(méi)一個(gè)字的筆順，來(lái)逐筆地“寫(xiě)”出書(shū)法字體了( 圖7)。

圖7 AI依筆順而逐筆創(chuàng )作

本文以AI “畫(huà)”書(shū)法為例，說(shuō)明如何從Github 園地里，挖掘自己想要的大模型源代碼，搭配自己收集的書(shū)法圖像，來(lái)訓練出有趣的AI 書(shū)法小模型。如果能善用這些免費代碼，既能省成本、又可靠、省算力、甚至能擁有自己有IP，可謂取之不盡、用之不竭的資源，不亦美哉！

（本文來(lái)源于EEPW 2023年12月期）