拿大模型代碼來訓(xùn)練自用小模型

1 前言

上一期所刊登的《從CLIP 應(yīng)用領(lǐng)會隱空間的魅力》一文里，就是一個典型的范例：從Github 網(wǎng)頁下載OpenAI 公司的CLIP 源代碼(Source code)，然后搭配自己收集的小數(shù)據(jù)來訓(xùn)練一個給超市商家使用的小模型( 圖1)。

圖1 Github上的免費(fèi)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？ 這可能會出乎您的預(yù)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(shù)量很大，而小模型參數(shù)量較少而已。

于是就能免費(fèi)拿來大模型的開源代碼，把其參數(shù)量調(diào)小，搭配企業(yè)自有IP 的數(shù)據(jù)( 訓(xùn)練數(shù)據(jù)量較少)，在較省算力的計(jì)算機(jī)上即可把代碼跑起來，訓(xùn)練出企業(yè)自有IP 的中小模型了。免費(fèi)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(yīng)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)，來訓(xùn)練出企業(yè)自用的CLIP 小模型。

然而，上一期文章里，并沒有詳細(xì)說明其訓(xùn)練的流程。于是，本文就拿另一個范例來演示，并且說明其開發(fā)流程。由于本文的主題是代碼，如果您有些Python代碼的基礎(chǔ)知識，就會更容易理解。

2 以”訓(xùn)練Diffusion寫書法”為例

在之前的文章《細(xì)觀Diffusion 隱空間里UNet 的訓(xùn)練流程》里，曾經(jīng)介紹過Diffusion 架構(gòu)，及其訓(xùn)練方法。在AIGC 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 來學(xué)習(xí)，及創(chuàng)作書法字體，也就是俗稱的：寫書法。雖然Diffusion 也能學(xué)習(xí)依循標(biāo)準(zhǔn)筆順，來逐筆寫出字形。為了從簡單范例出發(fā)，本文先讓Diffusion 來學(xué)習(xí)程生成整個字形，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UNet 模型，并搭配一個時間調(diào)度(Scheduling) 器，來擔(dān)任圖像生成的核心任務(wù)。而擴(kuò)散(Diffusion) 一詞則描述了SD 隱空間里進(jìn)行的圖像生成情形，整個過程都是在隱空間里逐步推進(jìn)(Step by step) 的，現(xiàn)在就依循開發(fā)流程來逐步說明之。

Step-1：從Github網(wǎng)頁下載Diffusers源碼首先訪問這個Huggingface 網(wǎng)頁( 圖2)，然后，按下”code”就自動把Diffusers 源碼下載到本機(jī)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(fèi)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，放置于Wibdows 本機(jī)的Python 工作區(qū)里，例如 /Python310/ 目錄區(qū)里( 圖3)，這樣，就能先在本機(jī)里做簡單的測試，例如創(chuàng)建模型并拿簡單數(shù)據(jù)( 或假數(shù)據(jù)) 來測試，有助于提升成功的自信心。

圖3 放置于本機(jī)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，所以就打開上圖里的/diffusers/ 活頁夾，就會看到所需要的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(jī)的Python環(huán)境里

接著，打開這個unet_2d_condition.py 檔案，可以看到內(nèi)含的類(Class) 定義：

class UNet2DConditionModel(…):

……………

……………

這個UNet2DCondition 類就是所需要的UNet 模型的定義了。

Step-4：準(zhǔn)備訓(xùn)練數(shù)據(jù)(Training data)在本文的范例里，收集了”春、滿、干、坤”四個字的書法圖像，各5 個圖像，如圖5 所示。

圖5 訓(xùn)練數(shù)據(jù)

總共有20 個書法字體的圖像。使用這20 張書法圖像，來讓UNet 模型學(xué)習(xí)，就能讓它”畫”出書法字了。之后，也能進(jìn)一步讓它學(xué)習(xí)沒一個字的筆順，來逐筆地”寫”出書法字體了。

Step-5：編寫”模型訓(xùn)練”主程序，然后展開訓(xùn)練

準(zhǔn)備好了訓(xùn)練數(shù)據(jù)( 書法圖像)，就來編寫一個主程序，使用UNet2DCondition 類來創(chuàng)建一個UNet 模型。主程序的代碼如下：

接著，就拿剛才所準(zhǔn)備的訓(xùn)練圖像，來展開訓(xùn)練，也就是讓UNet 模型來學(xué)習(xí)了。其代碼如下：

在SD 隱空間里，它使用了一個UNet 模型，并搭配一個時間調(diào)度(Scheduling) 器，來擔(dān)任圖像生成的核心任務(wù)。執(zhí)行到上圖紅色框的指令時，就會把隨機(jī)噪音添加到書法圖像里，成為”含噪音圖像”(Image noisy)。然后把它輸入給UNet 模型，讓它預(yù)測出此圖像所含的噪音。在SD 里，使用數(shù)學(xué)運(yùn)算，根據(jù)時間步數(shù)(即上圖里的ts) 來決定將多少噪音量添加到原圖像里。這樣地重復(fù)訓(xùn)練500 回合。如果圖像數(shù)量增大時，在單機(jī)上訓(xùn)練，可能速度非常緩慢。此時可以把這些代碼遷移到有GPU 的機(jī)器上進(jìn)行訓(xùn)練，能大幅提高效率。

Step-6：編寫”圖像生成”主程序，然后展開創(chuàng)作

訓(xùn)練好了，就得到了自用小模型了。最后就可編寫另一個主程序，來讓UNet 模型生成各種創(chuàng)意的書法作品了。例如，把字寫在唐宋時期的國畫里，如圖6 所示。

圖6 AI的書法創(chuàng)作

每次執(zhí)行這個書法主程序，都會有一些不一樣的創(chuàng)新，例如圖-6 的左右兩項(xiàng)書法創(chuàng)作。

3 結(jié)語

基于本文的范例，可以繼續(xù)微調(diào)、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(xí)沒一個字的筆順，來逐筆地“寫”出書法字體了( 圖7)。

圖7 AI依筆順而逐筆創(chuàng)作

本文以AI “畫”書法為例，說明如何從Github 園地里，挖掘自己想要的大模型源代碼，搭配自己收集的書法圖像，來訓(xùn)練出有趣的AI 書法小模型。如果能善用這些免費(fèi)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！

（本文來源于EEPW 2023年12月期）