亚马逊云AI应用科技创新下的Amazon SageMaker使用教程

目录

Amazon SageMaker简介

Amazon SageMaker在控制台的使用

模型的各项参数

pytorch训练绘图部分代码

---

Amazon SageMaker简介

亚马逊SageMaker是一种完全托管的机器学习服务。借助 SageMaker，数据科学家和开发人员可以快速、轻松地构建和训练机器学习模型，然后直接将模型部署到生产就绪托管环境中。它提供了一个集成的 Jupyter 编写 Notebook 实例，供您轻松访问数据源以便进行探索和分析，因此您无需管理服务器。此外，它还可以提供常见的机器学习算法，这些算法经过了优化，可以在分布式环境中高效处理非常大的数据。借助对bring-your-own-algorithms和框架的本地支持，SageMaker提供灵活的分布式训练选项，可根据您的特定工作流程进行调整。可以从 SageMaker Studio 或 SageMaker 控制台中单击几下鼠标按钮以启动模型，以将该模型部署到安全且可扩展的环境中。

Amazon SageMaker在控制台的使用

• 创建Amazon SageMaker

在亚马逊云科技首页，我们登录账号之后在搜索栏输入Amazon SageMaker之后，我们点击第一个服务进入Amazon SageMaker服务选在控制面板。

• 进入服务的控制面板之后我们选择我们的服务设备

我们这里选择笔记本实例，当然要是有其他需求的小伙伴可以自行选择其他，因为我们这里时笔记本所以我就选择的时笔记本实例。然后点击创建笔记本实例即可进行下一步。

• 进入笔记本实例设置里面需要填入一下信息：

• 1. 笔记本实例名称

  2. 笔记本实例类型

  3. Elastic Inference

  4. 平台标识符

  5. 生命周期配置

  6. 卷大小

  7. 最低IMDS版本等

• 设置好之后进入创建IAM角色控制面板，完成创建角色。

• 创建完成之后返回笔记本实例控制面板，完成笔记本实例的创建。

• 下载好代码（ipynb）文件之后，我们在笔记本实例页面点击“打开Jupyter”，然后上传代码。选择好文件后，点击蓝色的“Upload”按键，即可完成上传。然后我们打开刚刚上传的notebook，可以看到该文件就是一个完整的Stable Diffusion训练代码，这里我们的run kernel选择conda_pytorch_38或conda_pytorch_39，因为机器学习代码是用pytorch写的。

模型的各项参数

• prompt (str or List[str]): 引导图像生成的文本提示或文本列表

• height (int, optional, 默认为 V1模型可支持到512像素，V2模型可支持到768像素): 生成图像的高度（以像素为单位）

• width (int, optional, 默认为 V1模型可支持到512像素，V2模型可支持到768像素): 生成图像的宽度（以像素为单位）

• num_inference_steps (int, optional, defaults to 50): 降噪步数。更多的去噪步骤通常会以较慢的推理为代价获得更高质量的图像

• guidance_scale (float, optional, defaults to 7.5): 较高的指导比例会导致图像与提示密切相关，但会牺牲图像质量。 如果指定，它必须是一个浮点数。 guidance_scale<=1 被忽略。

• negative_prompt (str or List[str], optional): 不引导图像生成的文本或文本列表。不使用时忽略，必须与prompt类型一致（不应小于等于1.0）

• num_images_per_prompt (int, optional, defaults to 1): 每个提示生成的图像数量

pytorch训练绘图部分代码

# move Model to the GPU
torch.cuda.empty_cache()
pipe = pipe.to("cuda")
​
# V1 Max-H:512,Max-W:512
# V2 Max-H:768,Max-W:768
​
print(datetime.datetime.now())
# 提示词，一句话或者多句话
prompts =[
    "Dream far away",
    "A singer who is singing",
]
generated_images = pipe(
    prompt=prompts,
    height=512, # 生成图像的高度
    width=512, # 生成图像的宽度
    num_images_per_prompt=1 # 每个提示词生成多少个图像
).images  # image here is in [PIL format](https://pillow.readthedocs.io/en/stable/)
​
print(f"Prompts: {prompts}\n")
print(datetime.datetime.now())
​
for image in generated_images:
    display(image)

在这里，我们设置了两个提示词：

• Dream far away：梦想远方

• A singer who is singing：一个正在唱歌的歌手

生成结构如下：