Chiphell - 分享与交流用户体验

标题: 农企这次终于赶上来了？ [打印本页]

作者: fpd92axv 时间: 2023-6-2 13:40
标题: 农企这次终于赶上来了？
本帖最后由 fpd92axv 于 2023-6-2 13:45 编辑

农吧看到的，顶针？

作者: yoloh 时间: 2023-6-2 13:47
好像是真的

作者: momoka 时间: 2023-6-2 13:50
能像n卡那样，随便找个网上流行的SD的整合包，就能用了么？

作者: hsshhssh 时间: 2023-6-2 13:56
DirectML问题是显存占用异常吧，有多少吃多少，8G显存的卡只能512*512，Linux下用ROCm就能正常出大图

作者: L470594464 时间: 2023-6-2 14:03
6000系有用吗？

作者: itisfine 时间: 2023-6-2 14:06

momoka 发表于 2023-6-2 13:50
能像n卡那样，随便找个网上流行的SD的整合包，就能用了么？

现在就有A卡整合包啊，，只不过速度比较慢

作者: xudi8092 时间: 2023-6-2 14:17
可以训练模型吗？

作者: xudi8092 时间: 2023-6-2 14:18

itisfine 发表于 2023-6-2 14:06
现在就有A卡整合包啊，，只不过速度比较慢

我下载的sd整合包，根本就识别不了a卡。

作者: 毛茸茸 时间: 2023-6-2 14:25
23.5.1是个很稳定的版本，没用两天就5.2了

作者: lyf362345 时间: 2023-6-2 14:37
5700XT，我之前只能画384以下的图，而且画出来都是畸形儿，不知道是不是也是这bug导致的。

作者: Misaka_9993 时间: 2023-6-2 14:53
本帖最后由 Misaka_9993 于 2023-6-2 15:00 编辑

只优化了RDNA3架构，也就是RX7000系列。跟老卡没啥关系了。

https://gpuopen.com/amd-microsoft-directml-stable-diffusion/

https://devblogs.microsoft.com/directx/dml-stable-diffusion/

These optimizations have been validated on AMD RDNA™ 3 devices that feature compute units with AI accelerators, including AMD Radeon™ RX 7900 Series graphics cards.

作者: geenii 时间: 2023-6-2 14:54
玩这个别给自己整hard难度，搭环境debug以及遇到问题搜不到解决方法非常恼人
sdwebui这种可以无脑搭建的都能劝退不少人，以至于他们宁愿去用在线的

作者: itisfine 时间: 2023-6-2 15:32

xudi8092 发表于 2023-6-2 14:18
我下载的sd整合包，根本就识别不了a卡。

你要下载AMD专用的。

我7900xt用下面这个能正常使用：

https://www.bilibili.com/video/B ... f768f1509078bc8ec0b

作者: xudi8092 时间: 2023-6-2 15:39

itisfine 发表于 2023-6-2 15:32
你要下载AMD专用的。

我7900xt用下面这个能正常使用：

大佬，这个可以训练模型吗

作者: itisfine 时间: 2023-6-2 16:01

xudi8092 发表于 2023-6-2 15:39
大佬，这个可以训练模型吗

Windows下不可以。
Linux下我不**楚。

作者: 秦南瓜 时间: 2023-6-2 16:14
卧槽，刚买7900xtx就来这种好事？？？

作者: YsHaNg 时间: 2023-6-2 16:32
为啥要用coreml 扔wsl里不好吗

作者: Victor.dou 时间: 2023-6-2 16:37
几个月之前拿RX6700XT测试过，Windows directml 速度只有 Linux rocm 的一半。
一直传言 rocm 5.6 会支持Windows，再等几个月看看 pytorch rocm版有没有更新。。

作者: csqaclp 时间: 2023-6-2 22:21
6000系列显卡SD跑图效率有提升吗

作者: 灵乌路空 时间: 2023-6-2 22:39
修复了那双倍FP单元没用上的问题？

还是单纯的Direct ML效率的问题？

作者: 幻瓅月 时间: 2023-6-2 22:49
我超阿尔卑斯

作者: 幻瓅月 时间: 2023-6-2 22:50

灵乌路空发表于 2023-6-2 22:39
修复了那双倍FP单元没用上的问题？

还是单纯的Direct ML效率的问题？ ...

双倍FP别想用上了

作者: atiufo 时间: 2023-6-2 23:53

lyf362345 发表于 2023-6-2 14:37
5700XT，我之前只能画384以下的图，而且画出来都是畸形儿，不知道是不是也是这bug导致的。 ...

你多虑了，这个提升仅限于7000系

至于出图畸形多是因为你的反面tag添加得不够

作者: lyf362345 时间: 2023-6-3 00:11

atiufo 发表于 2023-6-2 23:53
你多虑了，这个提升仅限于7000系
至于出图畸形多是因为你的反面tag添加得不够 ...

可能是，之前没深入研究，等7900XTX到了再试一下

作者: louis2005 时间: 2023-6-3 00:49
现在单说AI性能
能跟2060 12G相当的A卡是什么型号？

作者: imluvian 时间: 2023-6-3 02:36

Victor.dou 发表于 2023-6-2 16:37
几个月之前拿RX6700XT测试过，Windows directml 速度只有 Linux rocm 的一半。
一直传言 rocm 5.6 会支持Wi ...

ROCM不是不支持RDNA的游戏卡吗。。

作者: 卡卡鸡 时间: 2023-6-3 08:17
散了吧，就支持7900，6000系列及以下不知道以后会不会支持，我的580 2048sp画色图速度看了下只有4-5s/lt（win系统）

，出个图要1分多-2分钟

，有没有6000系列的说说出个图要多长时间

作者: HaYuanJi 时间: 2023-6-3 08:26
提示: 作者被禁止或删除内容自动屏蔽

作者: Victor.dou 时间: 2023-6-3 13:20

imluvian 发表于 2023-6-3 02:36
ROCM不是不支持RDNA的游戏卡吗。。

官方不做RDNA游戏卡的 rocm 测试和验证，所以不加进支持列表。
可以加环境变量来支持RDNA 1+2 游戏卡。

# 添加进 webui-user.sh
export HSA_OVERRIDE_GFX_VERSION=10.3.0 # gfx1030 Radeon RX 6800 6800 XT 6900 XT, gfx1031 Radeon RX 6700 XT.
#export HSA_OVERRIDE_GFX_VERSION=8.0.3 # gfx803 Radeon RX580
# RX5000 系列需要在 COMMANDLINE_ARGS 添加 --precision full --no-half，RX500 和 RX6000 系列不需要
# --medvram --lowvram --opt-sub-quad-attention --disable-nan-check https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Command-Line-Arguments-and-Settings
export COMMANDLINE_ARGS="--skip-torch-cuda-test --autolaunch --listen --theme dark"
#export TORCH_COMMAND="pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/rocm5.4.2"
export TORCH_COMMAND="pip install torch torchvision torchaudio -f https://mirror.sjtu.edu.cn/pytorch-wheels/rocm5.4.2/torch_stable.html -i https://mirrors.aliyun.com/pypi/simple"

复制代码

作者: Victor.dou 时间: 2023-6-3 13:21

卡卡鸡发表于 2023-6-3 08:17
散了吧，就支持7900，6000系列及以下不知道以后会不会支持，我的580 2048sp画色图速度看了下只有4-5s/lt（w ...

RX6700XT 按照 Tom's Hardware文章的测试参数，跑512x512, 100it 约16秒，6.25it/s.

作者: 大头吃小头 时间: 2023-6-3 13:24

卡卡鸡发表于 2023-6-3 08:17
散了吧，就支持7900，6000系列及以下不知道以后会不会支持，我的580 2048sp画色图速度看了下只有4-5s/lt（w ...

10秒吧 6900xt 512*512几秒出
768*512

作者: dukeyli 时间: 2023-6-3 17:56
A卡硬件还行，就是驱动太拉了。

作者: 卡卡鸡 时间: 2023-6-3 22:06

Victor.dou 发表于 2023-6-3 13:21
RX6700XT 按照 Tom's Hardware文章的测试参数，跑512x512, 100it 约16秒，6.25it/s.

那挺快的

作者: 卡卡鸡 时间: 2023-6-3 22:07

大头吃小头发表于 2023-6-3 13:24
10秒吧 6900xt 512*512几秒出
768*512

这么速度

作者: imluvian 时间: 2023-6-3 23:05

Victor.dou 发表于 2023-6-3 13:20
官方不做RDNA游戏卡的 rocm 测试和验证，所以不加进支持列表。
可以加环境变量来支持RDNA 1+2 游戏卡。

牛逼。。

作者: raiya 时间: 2023-6-3 23:51
本帖最后由 raiya 于 2023-6-3 23:54 编辑

HaYuanJi 发表于 2023-6-3 08:26
AI绘图可以给个教程么，手持24G英伟达不知从何入手

1，下载安装，这部分自己去看。基本逻辑就是架设一个本地的服务器，然后用浏览器去访问自己这个本地服务器使用。git clone之类的，你就当在dos之类的界面下，去执行一个下载安装命令。

2，基本结构，模型基分为checkpoint , LORA, hypernet，embiding。

checkpoint是大模型，一个2G~。这个东西是包含着生成图片的时候的绝大部分内容和基础，在生成图片的时候只能选一个，相当于选一个模式。当然咯，这个东西也是可以训练的，是可以几个模型合并的。

然后下面那些都是小模型，是可以用词条添加在图片生成内容里面的，没有数量限制。

embiding，基本上就是权重改变，容量很小，无法为大模型引入新内容。

hypernet，这个东西比上面那个大，是可以引入新内容的。但是这个东西的问题在于它的优先级甚至高于大模型checkpoint，相当于直接给画师的脑子动刀了，很难用。

lora，主要用的是这个。和hypernet一样，是可以引入新内容的。它的特点是优先级低于checkpoint，所以它可以引入新内容，但是不影响checkpoint的基本内容。

以上模型，embiding和hypernet可以在SD主页训练。checkpoint和lora需要另外的安装kohya服务器训练。

3，使用方面的基础知识。

首先生成图片，是选择一个checkpoint，然后增加正负词条，和LORA。

初步生成的一般只有512X512左右尺寸的图片，最大不超过1024x1024。然后再去用算法放大到高清。

因为呢，首先AI的原理，就算是512x512的图片，但是生成或者训练的时候，是以维度为单位的，所以占用的资源是指数级。4090也就能生成原生1200左右的图片了。

然后因为上面的原因，大部分的模型就是依照512x512的像素去训练的。而AI画图，实际上它只是模仿。你给他训练的时候是512的，你让他一次性画1024图，他只会画成 4个512的，结果就是画出来4个脑袋之类的。

而高清放大，实际上也是把画面分割成小块，让AI画小块然后拼起来。

而为什么要用正负词条呢。因为训练的时候，要素不会那么干净。训练的时候，一张图片，会标注这张图片上是什么，但是AI实际上是不懂的。所以你比如说，你训练的时候，你把几张【小美】的照片，拿来标注。里面有几张是在家里背景有个电视，有几张在路上背景有辆车，比把电视和车都标注了出来。但是当你在添加词条的时候，只添加了lora：小美，那么很有可能那个电视机，那辆车，也会被一起画出来。怎么办，这时候就必须在负面词条里面，加上车和电视机，那么很大概率就不会跑出来。

之前说过的hypernet和lora的区别。举个例子，你用的checkpoint大模型，是一个汉服动画风格的。而如果你用一样的小美的照片，各训练一个hypernet和一个lora，都叫做小美。你在词条里面添加hypernet 小美，那么生成的图片很有可能就很像你训练的时候的照片，背景有一点点汉服动画风格。如果你添加的是一个lora小美，那么你会得到一个汉服动画人物，脸长得有点像小美。这就是他们的区别。

4，其他的插件，训练，都是日新月异的，时不时可以去看看。但是AI画图基本上不是一次性生成一张成功的高清图片这样玩的，更有可能是随机生成图片，或者用现成的图片，然后在图片生成图片那里，然后修改一部分，有点像PS的用法。

欢迎光临 Chiphell - 分享与交流用户体验 (https://www.chiphell.com/)