文生图-AIGC:在云上从0开始搭建Stable Diffusion文生图Streamlit网页版

本文涉及的产品
云服务器 ECS,每月免费额度200元 3个月
云服务器ECS,u1 2核4GB 1个月
简介: 本文描述在阿里云上从0开始构建个人的文生图应用。网页采用streamlit实现,文生图模型使用了阿里云Lindorm AI数据服务平台上部署Stable Diffusion来实现。 Streamlit使用起来非常简便,可以让开发者快速(短则几十分钟即可)搭建一个具备公网访问能力的网页。尤其在人工智能开发上,可使用Streamlit快速搭建应用环境,让开发人员将更多精力集中在人工智能本身,本文从0开始详细讲解整个应用的构建过程,代码实现了一个简洁的具备公网访问能力的网页版文生图应用。

一、开通和配置ECS

1、 创建ECS实例(以Ubuntu系统为例),作为登录数据库的客户端。设置ECS用户名及登录密码(使用ecs-user登录,如果使用root安装,后续部分安装包会提示有权限风险)。

2、 设置安全组配置,配置出方向端口22,并在源IP中加入本机IP

image.png

3、本机ssh到云ECS

 

二、部署文生图模型

说明:这部分内容笔者是基于阿里云Lindorm AI数据服务平台来构建的,因为该平台安装部署AIGC相关的模型(如文生图、LLM等)非常简便,而且提供了服务化的类SQL接口,可以非常便捷的实现文生图接口调用。如果读者有其他方式部署,也可以修改文生图接口调用部分的代码,实现其他形式的调用。

1、 根据产品指导书,开通Lindorm AI引擎来实现文生图功能,完成Stable Diffusion的安装部署。该方案部署Stable Diffusion非常简便,仅需一条简单的SQL命令即可完成安装。使用也非常简便,也是一条简洁的SQL即可。

2、 ECS客户端IP加入到Lindorm数据库白名单,确保ECS可以正常访问Lindorm数据库。可以在ECS上安装Lindorm CLI客户端进行测试。

3、 ECS上安装phoenixdb(用于连接数据库):pip install phoenixdb==1.2.0

注意:有些系统版本在安装时,可能会报错“subprocess.CalledProcessError: Command 'krb5-config --libs gssapi' returned non-zero exit status 127”,原因是缺乏安装依赖,需执行如下命令后再安装:sudo apt-get -y install gcc libkrb5-dev

 

三、编写Streamlit文生图网页程序

说明:该程序运行在ECS上,用于对外提供网页版文生图服务界面,并对外提供公网访问。

1、 ECS安装Streamlit需要的模块pip install streamlit   pip install streamlit-chat

2、 编写Streamlit网页程序(Python脚本)。

 

#!/bin/python3# -*- coding: utf-8 -*-importstreamlitasstimportphoenixdbimportbase64fromconfigs.lindorm_config_t2iimport*# global env:如下配置正式使用时请放在单独的配置文件中,如:lindorm_config_t2i# 这里的链接地址与lindorm-cli的链接地址比,需要去掉http之前的字符串# LINDORM_URL = "http://ld-XXXX-proxy-lindorm-pub.lindorm.rds.aliyuncs.com:30060"# LINDORM_USER_NAME = 'XXXX'# LINDORM_USER_PW = 'XXXX'# LLM_MODEL = 'stable_diffusion_model'# 连接到lindorm数据库defconnect(kw_args):
try:
returnphoenixdb.connect(LINDORM_URL, autocommit=True, **kw_args)
exceptAttributeError:
print("Failed to connect")
# 连接Lindorm数据库,调用AI数据服务平台SQL查询接口,获取Lindorm知识库问答结果# 用户名通过lindorm_user字段传递,密码使用lindorm_password字段设置,database字段设置连接初始化默认数据库。connect_kw_args= {'lindorm_user': LINDORM_USER_NAME, 'lindorm_password': LINDORM_USER_PW, 'database': 'default'}
connection=connect(connect_kw_args)
st.set_page_config(
page_title="文生图",
page_icon=":robot:",
layout='wide')
st.title("文生图-小文")
# 选择采样方法SD_Sampler=st.sidebar.selectbox(
'采样方法',
('DDIM','LMSDiscrete','DPMSolverMultistep','EulerAncestralDiscrete','EulerDiscrete','PNDM')
)
# 采样迭代步数SD_Steps=st.sidebar.slider(
'Steps', 1, 150, 30, step=1)
# 提示词引导系数SD_CFG_Scale=st.sidebar.slider(
'CFG_Scale', 1.0, 30.0, 7.5, step=0.5)
SD_Random_Seed=st.sidebar.slider(
'Random_Seed', -1, 300, 128, step=1)
# 用户输入promptifprompt :=st.chat_input("请在这儿输入您的提示词"):
response=""withconnection.cursor() asstatement:
# 查询Lindorm AI实例,返回生成的图片链接sql_select="select ai_infer('%s', '%s', 'scheduler=%s,steps=%d,guidanceScale=%f,seed=%d,base64Output=true')" \
% (LLM_MODEL, prompt, SD_Sampler,SD_Steps,SD_CFG_Scale,SD_Random_Seed)
statement.execute(sql_select)
sql_response=statement.fetchall()
base64_str=sql_response[0][0]  # 查询返回是list格式,需要取list[0][0],转换为str格式:base64_strimg_data=base64.b64decode(base64_str)  # 将base64_str解码为图片#print("type of sql_response:", type(sql_response))st.image(img_data)
connection.close()

代码详解:

Lindorm提供了类JDBC的连接和使用方式,使用起来非常简便。对于文生图的调用,直接使用SQL查询方式即可返回生成的图片。目前支持两种模式:1,返回base64 str格式的图片(设置参数base64Output=true),该模式支持公网调用。2、返回jpg图片内网URL链接,只支持内网访问。本文选用更为灵活的模式1来获取生成的图片。最后将返回图片在界面上进行展示即可:

       sql_select = "select ai_infer('%s', '%s', 'scheduler=%s,steps=%d,guidanceScale=%f,seed=%d,base64Output=true')" \

                    % (LLM_MODEL, prompt, SD_Sampler,SD_Steps,SD_CFG_Scale,SD_Random_Seed)

      statement.execute(sql_select)

       sql_response = statement.fetchall()

       base64_str = sql_response[0][0]  # 查询返回是list格式,需要取list[0][0],转换为str格式:base64_str

       img_data = base64.b64decode(base64_str)  #base64_str解码为图片

st.image(img_data)

 

3、 添加安全组规则:在ECS实例安全组的入方向添加安全组规则,将需要访问服务网页的IP地址或地址段添加到8501端口的源(该端口是Streamlit默认服务端口,也可以自定义)。

image.png

 

4、运行脚本:nohup streamlit run text_to_image.py &。如果要指定服务端口,则需要在安全组放行该端口,运行时带上端口参数,如:nohup streamlit run text_to_image.py--server.port 6006 &。程序运行后会打印网页URL地址。

 

四、效果展示

在浏览器中输入网页URL地址,即可进行文生图了。该地址是ECS的公网IP,具备公网访问能力,且可以通过配置安全组8501端口的访问源IP来实现访问源的控制,使用起来非常便捷。

image.png


 

五、必薅羊毛

对于喜欢研究学习文生图、LLM、知识库、智能问答等AIGC爱好者,或想借助AIGC能力用于工作、学习中的人,发现阿里云最近有系列AIGC相关的优惠活动推出。

 

在此推荐一个文生图、智能问答相关的AIGC优惠活动:秒级开通,仅60/月,即刻畅享文生图、私域知识库、LLM智能问答系统。

 

首次开通还可获得100元猫超卡奖励,目前该奖励活动还在有效期内,手慢无。

活动链接:https://www.aliyun.com/activity/ambassador/Lindorm

 

开通后,即刻就能使用,界面截图:

image.png

 


 

相关实践学习
一小时快速掌握 SQL 语法
本实验带您学习SQL的基础语法,快速入门SQL。
7天玩转云服务器
云服务器ECS(Elastic Compute Service)是一种弹性可伸缩的计算服务,可降低 IT 成本,提升运维效率。本课程手把手带你了解ECS、掌握基本操作、动手实操快照管理、镜像管理等。了解产品详情: https://www.aliyun.com/product/ecs
相关文章
|
1天前
|
人工智能 搜索推荐
AIGC工具——Stable Diffusion
【1月更文挑战第11天】AIGC工具——Stable Diffusion
250 2
AIGC工具——Stable Diffusion
|
1天前
|
前端开发 Linux PyTorch
Stable Diffusion 本地安装 | AIGC
今天要介绍Stable Diffusion webUI则第三方通过Gradio搭建的Stable Diffusion的web前端,功能丰富,而且所有功能都是开源的。 【1月更文挑战第7天】
202 0
|
1天前
|
机器学习/深度学习 自然语言处理
文生图模型-Stable Diffusion | AIGC
所谓的生成式模型就是通过文本或者随机采样的方式来得到一张图或者一段话的模型,比如文生图,顾名思义通过文本描述来生成图像的过程。当前流行的文生图模型,如DALE-2, midjourney以及今天要介绍的Stable Diffusion,这3种都是基于Diffusion扩散模型【1月更文挑战第6天】
412 0
|
1天前
|
人工智能 开发工具 git
【AI绘画】Stable Diffusion 客户端搭建
【AI绘画】Stable Diffusion 客户端搭建
78 0
【AI绘画】Stable Diffusion 客户端搭建
|
1天前
|
编解码 人工智能 自然语言处理
AIGC基础模型——扩散模型(Diffusion Model)
【1月更文挑战第23天】AIGC基础模型——扩散模型(Diffusion Model)
217 1
AIGC基础模型——扩散模型(Diffusion Model)
|
1天前
|
机器学习/深度学习 人工智能 API
薅羊毛!阿里云免费GPU云主机畅玩AI绘画,免费领取阿里云v100显卡搭建AI绘画利器Stable Diffusion
薅羊毛!阿里云免费GPU云主机畅玩AI绘画,免费领取阿里云v100显卡搭建AI绘画利器Stable Diffusion
115 4
薅羊毛!阿里云免费GPU云主机畅玩AI绘画,免费领取阿里云v100显卡搭建AI绘画利器Stable Diffusion
|
1天前
|
人工智能 Serverless API
AI 绘画平台难开发,难变现?试试 Stable Diffusion API Serverless 版解决方案
AI 绘画平台难开发,难变现?试试 Stable Diffusion API Serverless 版解决方案
|
1天前
|
机器学习/深度学习 人工智能 算法
AIGC著作权归属谁?国内“AI文生图第一案”这样判决
【1月更文挑战第14天】AIGC著作权归属谁?国内“AI文生图第一案”这样判决
78 2
AIGC著作权归属谁?国内“AI文生图第一案”这样判决
|
1天前
|
机器学习/深度学习 人工智能 自然语言处理
文生图、文生视频等AIGC功能将突破性增长
【1月更文挑战第11天】文生图、文生视频等AIGC功能将突破性增长
115 3
文生图、文生视频等AIGC功能将突破性增长
|
7月前
|
人工智能 物联网
AI 绘画Stable Diffusion 研究(十七)SD lora 详解(上)
AI 绘画Stable Diffusion 研究(十七)SD lora 详解(上)
894 0
http://www.vxiaotou.com