前言
无条件图像生成是扩散模型的一种流行应用，它生成的图像看起来像用于训练的数据集中的图像。通常，通过在特定数据集上微调预训练模型来获得最佳结果。你可以在HUB找到很多这样的模型，但如果你找不到你喜欢的模型，你可以随时训练自己的模型！
本教程将教您如何在 Smithsonian Butterflies 数据集的子集上从头开始训练 UNet2DModel 以生成您自己的🦋蝴蝶🦋。
💡 本培训教程基于“扩散器训练🧨”笔记本。有关扩散模型的更多详细信息和背景信息，例如它们的工作原理，请查看笔记本！
在开始之前，请确保已安装 Datasets🤗 以加载和预处理图像数据集，并安装 Accelerate 🤗以简化任意数量的 GPU 上的训练。以下命令还将安装 TensorBoard 来可视化训练指标（您还可以使用权重和偏差来跟踪您的训练）。
# uncomment to install the necessary libraries in Colab
#!pip install diffusers[training]我们鼓励您与社区分享您的模型，为此，您需要登录您的 Hugging Face 帐户（如果您还没有帐户，请在此处创建一个！您可以从笔记本登录，并在出现提示时输入您的令牌。确保您的令牌具有写入角色。
from huggingface_hub import notebook_login
notebook_login()或从终端登录：
huggingface-cli login由于模型非常大，因此安装 Git-LFS 来对这些大文件进行版本控制：
!sudo apt -qq install git-lfs
!git config --global credential.helper store训练配置
为方便起见，创建一个包含训练超参数的 TrainingConfig 类（随意调整它们）：
from dataclasses import dataclass
@dataclass
class TrainingConfig:
image_size = 128 # the generated image resolution
train_batch_size = 16
eval_batch_size = 16 # how many images to sample during evaluation
num_epochs = 50
gradient_accumulation_steps = 1
learning_rate = 1e-4
lr_warmup_steps = 500
save_image_epochs = 10
save_model_epochs = 30
mixed_precision = "fp16" # `no` for float32, `fp16` for automatic mixed precision
output_dir = "ddpm-butterflies-128" # the model name locally and on the HF Hub
push_to_hub = True # whether to upload the saved model to the HF Hub
hub_model_id = "<your-username>/<my-awesome-model>" # the name of the repository to create on the HF Hub
hub_private_repo = False
overwrite_output_dir = True # overwrite the old model when re-running the notebook
seed = 0
config = TrainingConfig()加载数据集
您可以使用 Datasets 🤗库轻松加载 Smithsonian Butterflies 数据集：
from datasets import load_dataset
config.dataset_name = "huggan/smithsonian_butterflies_subset"
dataset = load_dataset(config.dataset_name, split="train") 💡 您可以从HugGan 社区活动中找到其他数据集，也可以通过创建本地 ImageFolder .如果数据集来自 HugGan 社区活动，或者 imagefolder 您使用的是自己的图像，请设置为 config.dataset_name 数据集的存储库 ID。
🤗 数据集使用Image功能自动解码图像数据并将其加载为 PIL.Image 我们可以可视化的：
import matplotlib.pyplot as plt
fig, axs = plt.subplots(1, 4, figsize=(16, 4))
for i, image in enumerate(dataset[:4]["image"]):
axs[i].imshow(image)
axs[i].set_axis_off()
fig.show() 
不过，这些图像的大小各不相同，因此您需要先对它们进行预处理：
Resize将图像大小更改为中config.image_size定义的大小。RandomHorizontalFlip通过随机镜像图像来扩充数据集。Normalize将像素值重新缩放到 [-1， 1] 范围非常重要，这是模型所期望的。
from torchvision import transforms
preprocess = transforms.Compose(
[
transforms.Resize((config.image_size, config.image_size)),
transforms.RandomHorizontalFlip(),
transforms.ToTensor(),
transforms.Normalize([0.5], [0.5]),
]
)请随意再次可视化图像，以确认它们已调整大小。现在，您可以将数据集包装在 DataLoader 中进行训练了！
import torch
train_dataloader = torch.utils.data.DataLoader(dataset, batch_size=config.train_batch_size, shuffle=True)创建 UNet2DModel
扩散器中的🧨预训练模型可以很容易地从其模型类中使用所需的参数创建。例如，若要创建 UNet2DModel：
from diffusers import UNet2DModel
model = UNet2DModel(
sample_size=config.image_size, # the target image resolution
in_channels=3, # the number of input channels, 3 for RGB images
out_channels=3, # the number of output channels
layers_per_block=2, # how many ResNet layers to use per UNet block
block_out_channels=(128, 128, 256, 256, 512, 512), # the number of output channels for each UNet block
down_block_types=(
"DownBlock2D", # a regular ResNet downsampling block
"DownBlock2D",
"DownBlock2D",
"DownBlock2D",
"AttnDownBlock2D", # a ResNet downsampling block with spatial self-attention
"DownBlock2D",
),
up_block_types=(
"UpBlock2D", # a regular ResNet upsampling block
"AttnUpBlock2D", # a ResNet upsampling block with spatial self-attention
"UpBlock2D",
"UpBlock2D",
"UpBlock2D",
"UpBlock2D",
),
)快速检查示例图像形状是否与模型输出形状匹配通常是一个好主意：
sample_image = dataset[0]["images"].unsqueeze(0)
print("Input shape:", sample_image.shape)
print("Output shape:", model(sample_image, timestep=0).sample.shape)接下来，您需要一个调度程序来向图像添加一些噪点。
创建调度程序
调度程序的行为会有所不同，具体取决于您是使用模型进行训练还是推理。在推理过程中，调度器会从噪声中生成图像。在训练过程中，调度器从扩散过程中的特定点获取模型输出或样本，并根据噪声调度和更新规则将噪声应用于图像。
让我们看一下DDPMScheduler 并使用该 add_noise 方法在 sample_image 前面添加一些随机噪声：
import torch
from PIL import Image
from diffusers import DDPMScheduler
noise_scheduler = DDPMScheduler(num_train_timesteps=1000)
noise = torch.randn(sample_image.shape)
timesteps = torch.LongTensor([50])
noisy_image = noise_scheduler.add_noise(sample_image, noise, timesteps)
Image.fromarray(((noisy_image.permute(0, 2, 3, 1) + 1.0) * 127.5).type(torch.uint8).numpy()[0])该模型的训练目标是预测添加到图像中的噪声。这一步的损失可以通过以下方式计算：
import torch.nn.functional as F
noise_pred = model(noisy_image, timesteps).sample
loss = F.mse_loss(noise_pred, noise)训练模型
到现在为止，你已经有了开始训练模型的大部分，剩下的就是把所有东西放在一起。
首先，您需要一个优化器和一个学习率调度器：
from diffusers.optimization import get_cosine_schedule_with_warmup
optimizer = torch.optim.AdamW(model.parameters(), lr=config.learning_rate)
lr_scheduler = get_cosine_schedule_with_warmup(
optimizer=optimizer,
num_warmup_steps=config.lr_warmup_steps,
num_training_steps=(len(train_dataloader) * config.num_epochs),
)然后，您需要一种方法来评估模型。为了进行评估，您可以使用 DDPMPipeline 生成一批示例图像并将其另存为网格：
from diffusers import DDPMPipeline
from diffusers.utils import make_image_grid
import os
def evaluate(config, epoch, pipeline):
# Sample some images from random noise (this is the backward diffusion process).
# The default pipeline output type is `List[PIL.Image]`
images = pipeline(
batch_size=config.eval_batch_size,
generator=torch.manual_seed(config.seed),
).images
# Make a grid out of the images
image_grid = make_image_grid(images, rows=4, cols=4)
# Save the images
test_dir = os.path.join(config.output_dir, "samples")
os.makedirs(test_dir, exist_ok=True)
image_grid.save(f"{test_dir}/{epoch:04d}.png")现在，您可以使用 Accelerate 将所有这些组件打包到训练循环🤗中，以便轻松进行 TensorBoard 日志记录、梯度累积和混合精度训练。若要将模型上传到 Hub，请编写一个函数来获取存储库名称和信息，然后将其推送到 Hub。
💡 下面的训练循环可能看起来令人生畏且漫长，但当您稍后仅用一行代码启动训练时，这将是值得的！如果您迫不及待地想要开始生成图像，请随时复制并运行下面的代码。您以后可以随时返回并更仔细地检查训练循环，例如在等待模型完成训练时。🤗
from accelerate import Accelerator
from huggingface_hub import create_repo, upload_folder
from tqdm.auto import tqdm
from pathlib import Path
import os
def train_loop(config, model, noise_scheduler, optimizer, train_dataloader, lr_scheduler):
# Initialize accelerator and tensorboard logging
accelerator = Accelerator(
mixed_precision=config.mixed_precision,
gradient_accumulation_steps=config.gradient_accumulation_steps,
log_with="tensorboard",
project_dir=os.path.join(config.output_dir, "logs"),
)
if accelerator.is_main_process:
if config.output_dir is not None:
os.makedirs(config.output_dir, exist_ok=True)
if config.push_to_hub:
repo_id = create_repo(
repo_id=config.hub_model_id or Path(config.output_dir).name, exist_ok=True
).repo_id
accelerator.init_trackers("train_example")
# Prepare everything
# There is no specific order to remember, you just need to unpack the
# objects in the same order you gave them to the prepare method.
model, optimizer, train_dataloader, lr_scheduler = accelerator.prepare(
model, optimizer, train_dataloader, lr_scheduler
)
global_step = 0
# Now you train the model
for epoch in range(config.num_epochs):
progress_bar = tqdm(total=len(train_dataloader), disable=not accelerator.is_local_main_process)
progress_bar.set_description(f"Epoch {epoch}")
for step, batch in enumerate(train_dataloader):
clean_images = batch["images"]
# Sample noise to add to the images
noise = torch.randn(clean_images.shape, device=clean_images.device)
bs = clean_images.shape[0]
# Sample a random timestep for each image
timesteps = torch.randint(
0, noise_scheduler.config.num_train_timesteps, (bs,), device=clean_images.device,
dtype=torch.int64
)
# Add noise to the clean images according to the noise magnitude at each timestep
# (this is the forward diffusion process)
noisy_images = noise_scheduler.add_noise(clean_images, noise, timesteps)
with accelerator.accumulate(model):
# Predict the noise residual
noise_pred = model(noisy_images, timesteps, return_dict=False)[0]
loss = F.mse_loss(noise_pred, noise)
accelerator.backward(loss)
accelerator.clip_grad_norm_(model.parameters(), 1.0)
optimizer.step()
lr_scheduler.step()
optimizer.zero_grad()
progress_bar.update(1)
logs = {"loss": loss.detach().item(), "lr": lr_scheduler.get_last_lr()[0], "step": global_step}
progress_bar.set_postfix(**logs)
accelerator.log(logs, step=global_step)
global_step += 1
# After each epoch you optionally sample some demo images with evaluate() and save the model
if accelerator.is_main_process:
pipeline = DDPMPipeline(unet=accelerator.unwrap_model(model), scheduler=noise_scheduler)
if (epoch + 1) % config.save_image_epochs == 0 or epoch == config.num_epochs - 1:
evaluate(config, epoch, pipeline)
if (epoch + 1) % config.save_model_epochs == 0 or epoch == config.num_epochs - 1:
if config.push_to_hub:
upload_folder(
repo_id=repo_id,
folder_path=config.output_dir,
commit_message=f"Epoch {epoch}",
ignore_patterns=["step_*", "epoch_*"],
)
else:
pipeline.save_pretrained(config.output_dir)这可是一大堆代码啊！但是您终于可以使用 Accelerate 的notebook_launcher功能启动培训🤗了。向函数传递训练循环、所有训练参数和进程数（您可以将此值更改为可用的 GPU 数）以用于训练：
from accelerate import notebook_launcher
args = (config, model, noise_scheduler, optimizer, train_dataloader, lr_scheduler)
notebook_launcher(train_loop, args, num_processes=1)训练完成后，查看扩散模型生成的最终🦋图像🦋！
import glob
sample_images = sorted(glob.glob(f"{config.output_dir}/samples/*.png"))
Image.open(sample_images[-1])
