Disco_Diffusion_Local
1.0.0
Obtenir les dernières versions de Disco Diffusion (au moment de la rédaction du V5 avec Turbo et Animation 3D) pour fonctionner localement, au lieu de Colab. Y compris comment je l'exécute sous Windows, malgré certaines dépendances Linux uniquement;). Comprend maintenant un mode de lot expérimental pour créer autant de vidéos que vous le souhaitez avec différentes invites, avec seulement 1 exécution.
Si vous rencontrez des problèmes, n'hésitez pas à ouvrir un problème et je ferai de mon mieux pour aider à dépanner. Être aussi précis que possible. Par exemple, si vous obtenez un message d'erreur à tout moment, vous devez inclure cela dans le problème, aux côtés du système d'exploitation et des spécifications informatiques.
Les mêmes étapes devraient fonctionner sur Linux, à partir de l'étape 3.
Exigences:
Windows 11: Windows 11 devrait fonctionner, mais cela ne fait pas de mal de se mettre à jour vers la dernière version avant de continuer :) (Notez que j'ai créé et testé ceci sur Windows 10) Windows 10: vous devez exécuter au moins la mise à jour de la fonctionnalité 21h2 pour que votre GPU fonctionne. Pour vérifier la version que vous exécutez, ouvrez CMD et Type:
winver
Si vous êtes sur 21h2 ou plus tard, vous êtes prêt à y aller. Sinon, essayez de mettre à jour Windows en tapant «Vérifiez les mises à jour» dans le menu Démarrer et en utilisant l'outil intégré. Pour moi personnellement, la mise à jour requise n'était pas affichée, mais j'ai pu l'installer en utilisant l'assistant de mise à jour Windows 10.
La façon dont nous utiliserons les dépendances Linux uniquement est d'installer la dernière version du sous-système Windows pour Linux (WSL2). Cela exécutera une installation d'Ubuntu virtuelle comme Ubuntu sur Windows. Cependant, Microsoft a implémenté cela à un niveau très bas, ce qui signifie presque aucun coup de performance et support GPU!
Pour les dernières instructions à ce sujet, suivez le guide Microsoft officiel.
En bref, ouvrez simplement un PowerShell Windows en tant qu'administrateur et tapez:
wsl —-install
Il peut demander un redémarrage, et lorsque vous redémarrez votre ordinateur, vous aurez une application dans le menu de démarrage ou la barre de tâche appelée «Ubuntu»!
Nous devrons installer Anaconda dans notre environnement Ubuntu pour gérer facilement les packages. Ouvrez votre nouvelle application Ubuntu (et corrigez toutes les erreurs qui surviennent au premier lancement. J'en ai eu quelques-unes, mais elles étaient soit explicites ou fixées facilement avec un Google rapide). Maintenant, vous souhaitez télécharger, puis exécuter, l'installateur Linux Anaconda comme suit. Si vous suivez si plus tard que mars 2022, vous pouvez remplacer l'URL ci-dessous par la dernière version du site Web d'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
Suivez les instructions à l'écran. C'est-à-dire type oui quand il vous le demande, et demandez-lui d'exécuter conda init pour vous lorsque vous avez invité.
Fermez votre terminal Ubuntu et ouvrez-le à nouveau.
Maintenant Tapez et exécutez
conda —-help
S'il vous donne une longue liste d'options conda, cela signifie qu'il est installé avec succès Anaconda dans Ubuntu!
Nous allons maintenant créer et activer un environnement conda (à l'intérieur d'Ubuntu) avec toutes les dépendances appropriées.
conda create -n pytorch_110
conda activate pytorch_110
Chaque fois que vous redémarrez votre ordinateur ou fermez et ouvrez à nouveau Ubuntu, vous devrez exécuter cette deuxième commande (conda activer Pytorch). Installez maintenant la version correcte de Pytorch:
conda install pytorch==1.10 torchvision torchaudio cudatoolkit==11.1 -c pytorch -c conda-forge
Tapez Y chaque fois que vous avez invité.
Trouver ce qui précède a pris beaucoup d'essais et d'erreurs. La difficulté était de trouver une combinaison Pytorch et Cudatoolkit qui fonctionne avec Pytorch3d (requise plus tard). Ce qui précède a fonctionné pour moi.
Installez maintenant d'autres dépendances:
conda install jupyter pandas requests matplotlib
conda install opencv -c conda-forge
Option 1 pour comment exécuter réellement le code et obtenir des images / vidéo. L'option 1 consiste à télécharger un .Ipynb, qui est légèrement modifié à partir du cahier Colab, à modifier les cellules et à les modifier dans l'environnement du cahier.
Nous travaillerons dans une version de cahier Jupyter du cahier Colab. (Je travaille actuellement sur une interface plus propre, assurez-vous de jouer et de regarder le dépôt pour voir quand cela sera mis en ligne).
Téléchargez le cahier Jupyter dans ce dépôt. Si vous savez comment, clonez le repo directement dans votre distribution Ubuntu. Pour rendre ce guide aussi facile à suivre que possible, je montrerai également un moyen plus facile.
Dans votre terminal Ubuntu, Type:
explorer.exe .
Cela ouvrira votre répertoire Ubuntu dans Windows Explorer! Trouvez un emplacement sur lequel vous souhaitez télécharger le cahier, peut-être créer un nouveau dossier pour cela.
Sur mon référentiel GitHub, cliquez sur «Code» puis téléchargez ZIP. Extraire le zip et copier le fichier .ipynb dans le dossier souhaité dans Ubuntu . Si Typed Explorer.exe plus tôt, vous aurez un dossier Ubuntu ouvert dans Explorer, afin que vous puissiez glisser et déposer dans ce dossier.
Dans votre terminal Ubuntu, courez:
jupyter notebook
Vous remarquez peut-être que cela n'ouvre pas automatiquement Jupyter dans votre navigateur. C'est bon! Recherchez simplement l'URL en commençant par localhost, copiez-le et collez-le dans votre navigateur sous Windows.
Cela devrait ouvrir Jupyter dans votre navigateur! Accédez maintenant au dossier où vous avez placé votre cahier Jupyter et ouvrez-le. Exécutez les cellules, une par une. Ils devraient installer d'autres dépendances requises et télécharger tous les modèles pour vous. En cours de route, vous pouvez modifier tous les paramètres que vous souhaitez. L'une des dernières cellules demande «Text_Prompts», que vous pouvez spécifier pour créer ce que vous souhaitez!
Option 2 pour comment exécuter réellement le code et obtenir des images / vidéo. Cela implique la configuration d'un dossier avec des fichiers de paramètres, que le cahier fonctionnera à 1 par 1.
Certaines options doivent être spécifiées une fois et seront utilisées pour tous les éléments de la file d'attente. Définissez-les dans "Queue / Master_Settings.txt":
Les options qui peuvent être spécifiées pour chaque vidéo sont les suivantes. Doit être spécifié dans "queue / queue_1.txt", "queue / queue_2.txt" etc. Les fichiers peuvent être créés pendant que le script est en cours d'exécution, sans interruption!
Notez que cela est actuellement expérimental et destiné à créer une série de vidéos (pas des images). Vous êtes invités à soumettre des problèmes pour les bogues / demandes de fonctionnalités, ou même vos propres demandes de traction si vous souhaitez améliorer cela;)
De plus, pour mes utilisations, la fixation de toutes ces fonctionnalités fonctionne bien. S'il y a des fonctionnalités, vous aimeriez pouvoir modifier entre les courses dans la file d'attente que vous ne pouvez pas actuellement, n'hésitez pas à démarrer une demande de problème ou de traction.
Clone le repo dans votre installation Ubuntu. Si vous ne savez pas comment procéder, cliquez sur "Code" et "Téléchargez Zip" sur ce dépôt. Copiez l'intégralité du dépôt dans un dossier dans votre environnement Ubuntu. C'est généralement quelque part comme " wsl $ ubuntu home username". Vous pouvez y accéder facilement en tapant Explorer.exe. Dans votre fenêtre Ubuntu.
L'un des dossiers que vous avez copiés doit être appelé "file d'attente". Ouvrez ceci et spécifiez les paramètres que vous souhaitez dans "Master_Settings". Spécifiez ensuite les invites que vous souhaitez dans chaque vidéo, dans des fichiers séparés dans ce même dossier. Ils devraient être nommés "queue_1.txt", sans aucune lacune.
Vous pouvez synthétiser les fichiers de file d'attente à partir de la ligne de commande, accéder simplement au référentiel cloné et à type:
jupyter nbconvert --execute --to notebook --inplace Disco_Diffusion_v5_2_w_VR_Mode_batch_mode.ipynb
Ce qui précède exécutera toutes les cellules du cahier Jupyter à partir de la ligne de commande. Vous pouvez également les exécuter dans Jupyter si vous préférez. Voir l'option 1 pour des instructions sur la façon d'exécuter le cahier Jupyter si vous le souhaitez.
Ce devrait être ça! Cela devrait commencer à créer des images dans votre file d'attente, 1 par 1.
Je reçois des erreurs CUDA.
RunTimeError: Erreur CUDA: Erreur inconnue Les erreurs du noyau CUDA peuvent être signalées de manière asynchrone lors d'un autre appel API, de sorte que le Stacktrace ci-dessous peut être incorrect. Pour le débogage, envisagez de passer CUDA_LAUNCH_BLOCKS = 1.
Si vous obtenez une erreur comme ce qui précède, je n'ai jamais su que cela se produit si vous utilisez trop de VRAM. Réduire en faisant 1 ou la totalité des éléments suivants:
Si cela fonctionne, ajoutez lentement les modèles et augmentez la résolution jusqu'à ce que vous découvriez où la limite est pour votre GPU.
