Disco_Diffusion_Local
1.0.0
Erhalten Sie die neuesten Versionen der Disco -Diffusion (zum Zeitpunkt des Schreibens, dies ist V5 mit Turbo und 3D -Animation) anstelle von Colab, um lokal zu arbeiten. Einschließlich, wie ich dies trotz einiger Linux -Abhängigkeiten auf Windows ausführe;). Enthält nun einen experimentellen Batch -Modus, um so viele Videos mit unterschiedlichen Eingabeaufforderungen zu erstellen, mit nur 1 Lauf.
Wenn Sie auf Probleme stoßen, können Sie ein Problem öffnen und ich werde mein Bestes geben, um die Fehlerbehebung zu unterstützen. So spezifisch wie möglich sein. Wenn Sie beispielsweise zu einem bestimmten Zeitpunkt eine Fehlermeldung erhalten, müssen Sie dies neben Betriebssystem und Computerspezifikationen in das Problem einbeziehen.
Die gleichen Schritte sollten ab Schritt 3 unter Linux funktionieren.
Anforderungen:
Windows 11: Windows 11 sollte funktionieren, aber es tut nicht weh, die neueste Version vor dem Fortsetzung zu aktualisieren :) (Beachten Sie jedoch, dass ich dies unter Windows 10 erstellt und getestet habe. Um zu überprüfen, welche Version Sie ausführen, öffnen Sie CMD und geben Sie ein:
winver
Wenn Sie mit 21H2 oder später sind, können Sie loslegen. Wenn nicht, aktualisieren Sie Windows, indem Sie im Startmenü „nach Updates checken“ und das integrierte Tool eingeben. Für mich persönlich wurde das erforderliche Update nicht angezeigt, aber ich konnte es mit dem Windows 10 -Update -Assistenten installieren.
Die Art und Weise, wie wir Linux nur Abhängigkeiten verwenden, ist die Installation der neuesten Version des Windows -Subsystems für Linux (WSL2). Dadurch werden eine virtuelle Maschine aus der Ubuntu -Installation unter Windows ausgeführt. Microsoft hat dies jedoch auf sehr niedrigem Niveau implementiert, was fast keinen Leistungshit und die GPU -Unterstützung hat!
Die neuesten Anweisungen dazu finden Sie den offiziellen Microsoft Guide.
Öffnen Sie kurz einfach eine Windows PowerShell als Administrator und geben Sie ein:
wsl —-install
Es kann einen Neustart anfordern, und wenn Sie Ihren Computer neu starten, haben Sie eine App im Startmenü oder im Taskleisten mit dem Namen "Ubuntu"!
Wir müssen Anaconda in unserer Ubuntu -Umgebung installieren, um Pakete einfach zu verwalten. Öffnen Sie Ihre neue Ubuntu -App (und beheben Sie alle Fehler, die beim ersten Start auftreten. Ich hatte einige, aber sie waren entweder selbsterklärend oder leicht mit einem schnellen Googeln repariert). Jetzt möchten Sie herunterladen und dann das Linux Anaconda -Installateur wie folgt ausführen. Wenn Sie so viel später als März 2022 folgen, können Sie die unten stehende URL durch die neueste Version von der Anaconda -Website ersetzen.
mkdir Downloads
cd Downloads
wget https://repo.anaconda.com/archive/Anaconda3-2021.11-Linux-x86_64.sh
bash Anaconda3-2021.11-Linux-x86_64.sh
Befolgen Sie die Anweisungen auf dem Bildschirm. IE Geben Sie Ja ein, wenn es Sie auffordert, und bitten Sie es, Conda Init für Sie auszuführen, wenn Sie aufgefordert werden.
Schließen Sie Ihr Ubuntu -Terminal und öffnen Sie es erneut.
Tippen Sie nun ein und rennen Sie
conda —-help
Wenn es Ihnen eine lange Liste von Conda -Optionen gibt, bedeutet dies, dass es erfolgreich Anaconda in Ubuntu installiert hat!
Wir werden jetzt eine Conda -Umgebung (innerhalb von Ubuntu) mit allen entsprechenden Abhängigkeiten erstellen und aktivieren.
conda create -n pytorch_110
conda activate pytorch_110
Wenn Sie Ihren Computer neu starten oder Ubuntu erneut schließen und öffnen, müssen Sie diesen zweiten Befehl ausführen (Conda aktivieren Pytorch). Installieren Sie nun die richtige Version von Pytorch:
conda install pytorch==1.10 torchvision torchaudio cudatoolkit==11.1 -c pytorch -c conda-forge
Geben Sie bei der Aufforderung y ein.
Das Finden der oben genannten erforderte viel Versuch und Irrtum. Die Schwierigkeit bestand darin, eine Pytorch- und Cudatoolkit -Kombination zu finden, die mit Pytorch3d zusammenarbeitet (später erforderlich). Das obige hat für mich funktioniert.
Installieren Sie nun einige andere Abhängigkeiten:
conda install jupyter pandas requests matplotlib
conda install opencv -c conda-forge
Option 1, wie Sie den Code tatsächlich ausführen und Bilder / Video abrufen. Option 1 beinhaltet das Herunterladen eines .IPYNB, der leicht aus dem Colab -Notizbuch geändert, Zellen bearbeitet und in der Notebook -Umgebung bearbeitet wird.
Wir werden in einer Jupyter -Notebook -Version des Colab -Notizbuchs arbeiten. (Ich arbeite derzeit an einer saubereren Oberfläche, sterne auf und beobachten Sie das Repo, um zu sehen, wann dies live geht.)
Laden Sie das Jupyter -Notizbuch in diesem Repo herunter. Wenn Sie wissen, wie, klonen Sie das Repo direkt in Ihre Ubuntu -Verteilung. Um diesen Leitfaden so einfach wie möglich zu befolgen, werde ich auch eine einfachere Weise zeigen.
In Ihrem Ubuntu -Terminal: Typ:
explorer.exe .
Dadurch wird Ihr Ubuntu -Verzeichnis in Windows Explorer geöffnet! Suchen Sie einen Ort, an dem Sie das Notebook herunterladen möchten. Erstellen Sie vielleicht einen neuen Ordner dafür.
Klicken Sie in meinem GitHub -Repository auf "Code" und laden Sie die ZIP herunter. Extrahieren Sie den Reißverschluss und kopieren Sie die .Ipynb -Datei in den gewünschten Ordner in Ubuntu . Wenn Sie früher explorer.exe eingegeben haben, haben Sie einen Ubuntu -Ordner in Explorer geöffnet, sodass Sie in diesen Ordner ziehen können.
Rennen Sie in Ihrem Ubuntu -Terminal:
jupyter notebook
Sie werden möglicherweise feststellen, dass dies Jupyter in Ihrem Browser nicht automatisch öffnet. Das ist okay! Suchen Sie einfach nach der URL, beginnend mit Localhost, kopieren Sie diese und fügen Sie sie unter Windows in Ihren Browser ein.
Dies sollte Jupyter in Ihrem Browser öffnen! Navigieren Sie nun zum Ordner, in dem Sie Ihr Jupyter -Notizbuch platziert haben, und öffnen Sie es. Führen Sie die Zellen nacheinander aus. Sie sollten weitere erforderliche Abhängigkeiten installieren und alle Modelle für Sie herunterladen. Unterwegs können Sie alle Einstellungen ändern, die Sie möchten. Eine der letzten Zellen fragt nach „text_prompts“, die Sie angeben können, um alles zu erstellen, was Sie wünschen!
Option 2, um den Code tatsächlich auszuführen und Bilder / Video zu erhalten. Dabei werden ein Ordner mit Einstellungsdateien eingerichtet, die das Notebook 1 bis 1. durchläuft. Auf diese Weise können Sie Eingabeaufforderungen für so viele verschiedene Videos angeben, wie Sie möchten, und sie alle mit einem einzigen Run eines Notizbuchs erstellen.
Einige Optionen müssen einmal angegeben werden und werden für alle Elemente in der Warteschlange verwendet. Setzen Sie diese in "Queue/master_Settings.txt":
Optionen, die für jedes Video angegeben werden können, sind wie folgt. Muss in "Queue/queue_1.txt", "Queue/queue_2.txt" usw. angegeben werden. Dateien können erstellt werden, während das Skript ohne Unterbrechung ausgeführt wird!
Beachten Sie, dass dies derzeit experimentell ist und zum Erstellen einer Reihe von Videos (nicht Bildern) bestimmt ist. Sie sind herzlich eingeladen, Probleme für Fehler / Feature -Anfragen oder sogar Ihre eigenen Pull -Anfragen einzureichen, wenn Sie dies verbessern möchten.
Außerdem funktioniert die Behebung all dieser Funktionen einwandfrei. Wenn es Funktionen gibt, die Sie zwischen Läufen in der Warteschlange ändern möchten, die Sie derzeit nicht können, können Sie eine Ausgabe starten oder anrufen.
Klonen Sie das Repo in Ihre Ubuntu -Installation. Wenn Sie nicht wissen, wie das geht, klicken Sie auf "Code" und "Download Zip" in diesem Repo. Kopieren Sie das gesamte Repo in einen Ordner in Ihrer Ubuntu -Umgebung. Dies ist normalerweise irgendwo wie " wsl $ Ubuntu home userername". Sie können einfach darauf zugreifen, indem Sie explorer.exe eingeben. in deinem Ubuntu -Fenster.
Einer der Ordner, die Sie kopiert haben, sollte "Warteschlange" genannt werden. Öffnen Sie dies und geben Sie an, welche Einstellungen Sie in "Master_Setings" möchten. Geben Sie dann an, welche Eingabeaufforderungen Sie in jedem Video in separaten Dateien in demselben Ordner möchten. Sie sollten sich vor "queue_1.txt" ohne Lücken nennen.
Sie können die Warteschlangendateien aus der Befehlszeile synthetisieren, einfach zum geklonten Repository navigieren und tippen:
jupyter nbconvert --execute --to notebook --inplace Disco_Diffusion_v5_2_w_VR_Mode_batch_mode.ipynb
Das obige wird alle Zellen im Jupyter -Notizbuch aus der Befehlszeile ausgeführt. Sie können sie auch in Jupyter ausführen, wenn Sie es vorziehen. Anweisungen zum Ausführen des Jupyter -Notizbuchs finden Sie in Option 1, wenn Sie möchten.
Das sollte es sein! Dies sollte beginnen, Bilder in Ihrer Warteschlange zu erstellen, 1 bis 1.
Ich bekomme Cuda -Fehler.
RunTimeError: CUDA -Fehler: Unbekannte Fehler Cuda -Kernel -Fehler können bei einem anderen API -Aufruf asynchron gemeldet werden, sodass die folgende Stacktrace möglicherweise falsch ist. Für das Debuggen in Betrachten Sie das Übergeben von CUDA_LAUNCH_BLOCKING = 1.
Wenn Sie einen Fehler wie das oben genannte erhalten, habe ich immer nur gewusst, dass dies geschieht, wenn Sie zu viel VRAM verbrauchen. Reduzierung durch 1 oder alle folgenden:
Wenn dies funktioniert, fügen Sie langsam wieder Modelle hinzu und erhöhen Sie die Auflösung, bis Sie herausfinden, wo die Grenze für Ihre GPU ist.
