Disco_Diffusion_Local
1.0.0
Obtener las últimas versiones de DISCO Diffusion (al momento de escribir esto es V5 con Turbo y 3D Animation) para trabajar localmente, en lugar de Colab. Incluyendo cómo ejecuto esto en Windows, a pesar de algunas dependencias de solo Linux;). Ahora incluye un modo de lote experimental para crear tantos videos como desee con diferentes indicaciones, con solo 1 ejecución.
Si te encuentras con algún problema, no dudes en abrir un problema y haré todo lo posible para ayudar a solucionar problemas. Ser lo más específico posible. Por ejemplo, si recibe un mensaje de error en cualquier momento, debe incluir esto en el tema, junto con el sistema operativo y las especificaciones de la computadora.
Los mismos pasos deberían funcionar en Linux, a partir del paso 3.
Requisitos:
Windows 11: Windows 11 debería funcionar, pero no está de más actualizar la última versión antes de continuar :) (Tenga en cuenta que he creado y probado esto en Windows 10) Windows 10: debe ejecutar al menos la actualización de funciones 21H2 para que su GPU funcione. Para verificar qué versión está ejecutando, abra CMD y escriba:
winver
Si estás en 21H2 o más tarde, estás listo para ir. Si no, intente actualizar Windows escribiendo "Verifique las actualizaciones" en el menú Inicio y utilizando la herramienta incorporada. Para mí personalmente, la actualización requerida no se mostraba, pero pude instalarla utilizando el Asistente de actualización de Windows 10.
La forma en que usaremos dependencias de solo Linux es instalar la última versión del subsistema de Windows para Linux (WSL2). Esto ejecutará una instalación de Ubuntu de Máquina virtual en Windows. Sin embargo, Microsoft ha implementado esto en un nivel muy bajo, lo que significa que casi no hay éxito de rendimiento y soporte de GPU.
Para obtener las últimas instrucciones sobre esto, siga la Guía oficial de Microsoft.
Brevemente, simplemente abra un Windows PowerShell como administrador y escriba:
wsl —-install
¡Puede solicitar un reinicio, y cuando reinicie su computadora, tendrá una aplicación en el menú Inicio o la barra de tareas llamada "Ubuntu"!
Tendremos que instalar Anaconda dentro de nuestro entorno Ubuntu para administrar paquetes fácilmente. Abra su nueva aplicación Ubuntu (y arregle cualquier error que aparezca en el primer lanzamiento. Tuve algunos, pero se explicaban o se solucionaron fácilmente con algo de Google rápido). Ahora desea descargar, luego ejecutar, el instalador de Linux Anaconda de la siguiente manera. Si sigue esto mucho más tarde de marzo de 2022, puede reemplazar la URL a continuación con la última versión del sitio web de Anaconda.
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
Siga las instrucciones en pantalla. IE Escriba sí cuando le pida que lo hagan, y pídele que ejecute Conda Init para usted cuando se le solicite.
Cierre su terminal Ubuntu y ábralo nuevamente.
Ahora escriba y ejecute
conda —-help
Si le brinda una larga lista de opciones de condena, ¡eso significa que está instalada con éxito Anaconda dentro de Ubuntu!
Ahora crearemos y activaremos un entorno de condena (dentro de Ubuntu) con todas las dependencias apropiadas.
conda create -n pytorch_110
conda activate pytorch_110
Cada vez que reinicie su computadora, o cierre y abra Ubuntu nuevamente, tendrá que ejecutar ese segundo comando (Conda active pytorch). Ahora instale la versión correcta de Pytorch:
conda install pytorch==1.10 torchvision torchaudio cudatoolkit==11.1 -c pytorch -c conda-forge
Tipo Y siempre que se le solicite.
Encontrar lo anterior tomó mucha prueba y error. La dificultad fue encontrar una combinación de Pytorch y Cudatoolkit que funciona con Pytorch3d (requerido más adelante). Lo anterior funcionó para mí.
Ahora instale algunas otras dependencias:
conda install jupyter pandas requests matplotlib
conda install opencv -c conda-forge
Opción 1 para cómo ejecutar realmente el código y obtener imágenes / video. La opción 1 implica descargar un .IPYNB, que se modifica ligeramente del cuaderno de Colab, editando celdas y editarlas dentro del entorno de cuaderno.
Trabajaremos dentro de una versión del cuaderno Jupyter del cuaderno Colab. (Actualmente estoy trabajando en una interfaz más limpia, asegúrese de protagonizar y ver el repositorio para ver cuándo esto sale en vivo).
Descargue el cuaderno Jupyter en este repositorio. Si sabe cómo, clone el repositorio directamente en su distribución de Ubuntu. Para que esta guía sea lo más fácil de seguir como sea posible, también mostraré una manera más fácil.
En su terminal Ubuntu, escriba:
explorer.exe .
¡Esto abrirá su directorio Ubuntu en Windows Explorer! Encuentre una ubicación a la que desee descargar el cuaderno, tal vez crear una nueva carpeta para ella.
En mi repositorio de GitHub, haga clic en "Código" y luego descargue ZIP. Extraiga la zip y copie el archivo .IPynb a la carpeta deseada en Ubuntu . Si se escribe Explorer.exe antes, tendrá una carpeta Ubuntu abierta en Explorer, para que pueda arrastrar y caer en esta carpeta.
En su terminal Ubuntu, ejecute:
jupyter notebook
Puede notar que esto no abre automáticamente Jupyter en su navegador. ¡Está bien! Solo busque la URL que comienza con LocalHost, copie esto y péguela en su navegador en Windows.
¡Esto debería abrir Jupyter en tu navegador! Ahora navegue a la carpeta donde haya colocado su cuaderno Jupyter y ábrelo. Ejecute las celdas, una por una. Deben instalar más dependencias requeridas y descargar todos los modelos para usted. En el camino, puede cambiar cualquier configuración que desee. ¡Una de las últimas celdas solicita "Text_Prompts", que puede especificar para crear lo que desee!
Opción 2 para cómo ejecutar realmente el código y obtener imágenes / video. Esto implica configurar una carpeta con archivos de configuración, que el cuaderno funcionará a través de 1 por 1. Esto le permitirá especificar las indicaciones para tantos videos diferentes como desee, y crearlos todos con una sola ejecución de un cuaderno.
Algunas opciones deben especificarse una vez, y se utilizarán para todos los elementos en la cola. Establezca estos en "Queue/Master_settings.txt":
Las opciones que se pueden especificar para cada video son las siguientes. Debe especificarse en "Queue/Queue_1.txt", "Queue/Queue_2.txt", etc. Los archivos se pueden crear mientras el script se ejecuta, ¡sin interrupción!
Tenga en cuenta que esto es actualmente experimental y está destinado a crear una serie de videos (no imágenes). Puede enviar problemas para las solicitudes de errores / funciones, o incluso sus propias solicitudes de extracción si desea mejorar esto;)
Además, para mis usos, arreglar todas esas características funciona bien. Si hay características, le gustaría poder cambiar entre ejecuciones en la cola que no puede actualmente, no dude en comenzar un problema o una solicitud de extracción.
Clonar el repositorio en su instalación de Ubuntu. Si no sabe cómo hacer esto, haga clic en "Código" y "Descargar zip" en este repositorio. Copie todo el repositorio en una carpeta en su entorno Ubuntu. Esto suele ser un lugar como " wsl $ ubuntu home username". Puede acceder fácilmente escribiendo Explorer.exe. en tu ventana ubuntu.
Una de las carpetas que copió debe llamarse "cola". Abra esto y especifique qué configuración desea en "Master_settings". Luego especifique qué indicaciones desea en cada video, en archivos separados en esta misma carpeta. Deberían haber llamado "Queue_1.txt" en adelante, sin huecos.
Puede sintetizar los archivos de cola desde la línea de comando, simplemente navegue al repositorio clonado y escriba:
jupyter nbconvert --execute --to notebook --inplace Disco_Diffusion_v5_2_w_VR_Mode_batch_mode.ipynb
Lo anterior ejecutará todas las celdas en el cuaderno Jupyter desde la línea de comando. También puede ejecutarlos en Jupyter si lo prefiere. Consulte la opción 1 para obtener instrucciones sobre cómo ejecutar el cuaderno Jupyter si lo desea.
¡Eso debería ser todo! Esto debería comenzar a crear imágenes en su cola, 1 por 1.
Estoy recibiendo errores CUDA.
RuntimeError: Error CUDA: Error desconocido Los errores del núcleo Cuda pueden informarse asincrónicamente en alguna otra llamada API, por lo que el StackTrace a continuación podría ser incorrecto. Para la depuración considere pasar CUDA_LAUNCH_BLOKING = 1.
Si está recibiendo un error como el anterior, solo he sabido que esto sucede si está usando demasiado VRAM. Reduciendo haciendo 1 o todos los siguientes:
Si esto funciona, agregue lentamente los modelos y aumente la resolución hasta que descubra dónde está el límite para su GPU.
