öpüşen bir çiftin ince detay sayılabilecek mimiklerinden, beyaz bir odada sandalyede oturan kadının vücudunun hangi açıdan ışık alıp hangi tonda görüneceğini bile belirleyebiliyorum. yukarıdaki örneklerin sahteymiş gibi görünmesinin sebebi, daha az sayıda veriyle beslenmiş, doğruluk değeri daha düşük bir modelle prompt edilmelerinden kaynaklanıyor.
bu görsellerin lokal olarak yaratılamayacağına ve tasarımların bana ait olduğuna inanmayanlar için, tamamen açık kaynak bir işletim sistemi üzerinde, yerel kaynaklarla, tamamıyla open source generative modelleri ve tüm kodları github topluluğuna açık bir interface le bu görselleri oluşturuyorum:
saçmalamayın ya. zaten bilgisayar dehası olmak gibi bir iddiam, kaygım, endişem yok. fakat amd ekran kartıyla bu işi becerebilen birileri varsa gösterin. reddit de abi abi tensorflow ve pytorch un şu modülünde hata alıyorum, bunu nasıl düzeltebilirim diye ağlayan çok ergen gördüm. kaldı ki, koca amd nin, rocm un radeon gpulara güncelleme çıkarmasının üzerinden sadece birkaç ay geçti. zibilyon tane tensor hatasıyla karşılaşıyorsunuz. cuda desteği olmadığı için.
kütüphaneler arasında örümcek ağı gibi mekik dokumanız gerek.
ayrıca burda olmanızın sebebi, deha olmam değil, etkileyici görseller, ben de bunların her makinede üretilebildiği yeni bir dönemde yaşadığımızı teşhir ediyorum.
internetten indireceğiniz modellerin %99 u content filter le hazır olarak geliyor, bu yazılımı delmek için github ve hugging face den çektiğiniz paketlere ince ayar çekmeniz gerek.
pytorch ve cuda arasında bile zibilyon tane uyumsuzluk mevcut. belirli versiyonları yalnızca belirli versiyonlarla, belirli işletim sistemleri ve kerneller altında çalıştırabiliyorsunuz.
hangi modelle ne yapabileceğinizi bilmek için fp16, fp32, fp8 arasındaki hassasiyet, hız ve doğruluk değerlerine hakim olmanız gerek.
her şeyin başlangıç noktası olan gan lar, evrişimli sinir ağları ve diffusers ler hakkında bol bol okuma yapacaksınız.
png ve jpg formatlı resimlerin misal 100x100 piksel artı, r, g, b, alfa kanalıyla kaç boyuttan oluştuğunu ve depolanan resmin boyutuna oranla ne kadar veri kaybına niye uğradığını öğreneceksiniz.
amdgpu mu, yoksa amdgpu-pro sürücüsü mü rocm la daha uyumlu, rocm 5.6 mı, yoksa 6.1 mi pytorch la daha stabil biçimde çalışıyor ve training anında daha az soruna yol açıyor sayfalar dolusu araştırma yapmanız gerek, çünkü konu hem ekran kartı üreticileri hem de yazılım geliştiriciler arasında çok yeni. en azından benim anladığım kadarıyla böyle bu iş.
amdgpu, rocm, yüklendi iş bitmedi, python un hangi sürümü, 3.10 mu, 3.2 mi pytorch ve rocm la uyumlu öğreneceksiniz, ubuntu lts sürümü standart kerneli mi, yoksa en güncel olanlarda mı hata alma olasılığınızı azaltıyor, araştıracak, kavrayacaksınız.
aldığınız tüm error çıktılarını takip etmeniz gerek. ben bunları tek tek eledim, ve perfect sonuca ulaştığımda, görselleri üretimine başladım.
