Обучение нейросети S.Diffusion для генерации архитектурных эскизов и картин
Идея проекта: научить нейросеть генерировать изображения архитектуры в стиле картин и набросков
примеры конечных генераций
Описание процесса обучения 2 кодов
Первый код:
Этот фрагмент отвечает за подготовку окружения и загрузку модели, в том числе за:
1. Подготовку данных На этом этапе происходит подготовка данных и настройка окружения. В коде: монтирование Google Drive, чтобы получить доступ к необходимым файлам (модель, веса, датасеты). 2. Загрузку предварительно обученной модели и компоненты 3. Применение донастроек (LoRA) 4. Обучение или донастройку модели 5. Генерацию изображений на основе тренированной модели
части кода
Второй код
Второй код — процесс генерации изображений, который опирается на подготовленные и загруженные компоненты из первого кода. Он:
Использует уже подготовленную и настроенную модель Определяет параметры генерации (prompt, steps, negative_prompt, seed) Запускает процесс генерации и сохраняет полученные изображения
начальные части второго кода
Промты:
Ниже фрагмент кода, который реализует автоматическую генерацию нескольких изображений по случайным промптам с уникальными seed-значениями, и сохранение их в указанную папку. Каждый цикл — новый промпт, новое изображение, что позволяет получать разнообразные работы без ручного влияния.
Изначальный дата-сет:
Итоговые изображения:
примеры (больше — на диске)
Ссылка на блокнот и диск со всеми материалами проекта:
