拿大模型代碼來訓練自用小模型

1 前言

上一期所刊登的《從CLIP 應用領會隱空間的魅力》一文里，就是一個典型的范例：從Github 網頁下載OpenAI 公司的CLIP 源代碼(Source code)，然后搭配自己收集的小數據來訓練一個給超市商家使用的小模型( 圖1)。

圖1 Github上的免費CLIP源碼

那么，這大模型與小模型，兩者的代碼之間，有何不同呢？ 這可能會出乎您的預料，其核心模型的代碼，大多是一致的、相容的。常常僅是大模型的參數量很大，而小模型參數量較少而已。

于是就能免費拿來大模型的開源代碼，把其參數量調小，搭配企業自有IP 的數據( 訓練數據量較少)，在較省算力的計算機上即可把代碼跑起來，訓練出企業自有IP 的中小模型了。免費代碼既省成本、可靠、省算力、又自有IP，可謂取之不盡、用之不竭的資源，豈不美哉！

例如，在上一期的文章里，就以商店柜臺的產品推薦應用為例演示了：拿CLIP 的源代碼，搭配商家自有產品圖像(Image) 和圖像敘述文句(Text)，來訓練出企業自用的CLIP 小模型。

然而，上一期文章里，并沒有詳細說明其訓練的流程。于是，本文就拿另一個范例來演示，并且說明其開發流程。由于本文的主題是代碼，如果您有些Python代碼的基礎知識，就會更容易理解。

2 以”訓練Diffusion寫書法”為例

在之前的文章《細觀Diffusion 隱空間里UNet 的訓練流程》里，曾經介紹過Diffusion 架構，及其訓練方法。在AIGC 潮流中，SD(Stable Diffusion) 產品的推出是AIGC 圖像生成發展歷程中的一個里程碑，提供了高性能模型，能快速生成創意十足的圖像。

于是，本范例就拿Diffusion 來學習，及創作書法字體，也就是俗稱的：寫書法。雖然Diffusion 也能學習依循標準筆順，來逐筆寫出字形。為了從簡單范例出發，本文先讓Diffusion 來學習程生成整個字形，而不是逐一生成各筆劃。

在SD 里，UNet 模型扮演關鍵性角色。在SD 的隱空間里，它使用了一個UNet 模型，并搭配一個時間調度(Scheduling) 器，來擔任圖像生成的核心任務。而擴散(Diffusion) 一詞則描述了SD 隱空間里進行的圖像生成情形，整個過程都是在隱空間里逐步推進(Step by step) 的，現在就依循開發流程來逐步說明之。

Step-1：從Github網頁下載Diffusers源碼首先訪問這個Huggingface 網頁( 圖2)，然后，按下”code”就自動把Diffusers 源碼下載到本機里了。這源碼本身并不大，只有4.5MB 大小而已。

圖2 Github上的免費Diffusers源碼

Step-2：把Code放置于Python 的IDLE環境里

把剛才下載的Diffusers代碼壓縮檔解開，放置于Wibdows 本機的Python 工作區里，例如 /Python310/ 目錄區里( 圖3)，這樣，就能先在本機里做簡單的測試，例如創建模型并拿簡單數據( 或假數據) 來測試，有助于提升成功的自信心。

圖3 放置于本機的Python環境里

Step-3：找出Diffusion的核心模型---UNet

由于小模型常常只需要部份代碼就足夠了，所以就打開上圖里的/diffusers/ 活頁夾，就會看到所需要的UNet 模型代碼文件--- unet_2d_condition.py 檔案，如圖4 所示。

圖4 放置于本機的Python環境里

接著，打開這個unet_2d_condition.py 檔案，可以看到內含的類(Class) 定義：

class UNet2DConditionModel(…):

……………

……………

這個UNet2DCondition 類就是所需要的UNet 模型的定義了。

Step-4：準備訓練數據(Training data)在本文的范例里，收集了”春、滿、干、坤”四個字的書法圖像，各5 個圖像，如圖5 所示。

圖5 訓練數據

總共有20 個書法字體的圖像。使用這20 張書法圖像，來讓UNet 模型學習，就能讓它”畫”出書法字了。之后，也能進一步讓它學習沒一個字的筆順，來逐筆地”寫”出書法字體了。

Step-5：編寫”模型訓練”主程序，然后展開訓練

準備好了訓練數據( 書法圖像)，就來編寫一個主程序，使用UNet2DCondition 類來創建一個UNet 模型。主程序的代碼如下：

接著，就拿剛才所準備的訓練圖像，來展開訓練，也就是讓UNet 模型來學習了。其代碼如下：

在SD 隱空間里，它使用了一個UNet 模型，并搭配一個時間調度(Scheduling) 器，來擔任圖像生成的核心任務。執行到上圖紅色框的指令時，就會把隨機噪音添加到書法圖像里，成為”含噪音圖像”(Image noisy)。然后把它輸入給UNet 模型，讓它預測出此圖像所含的噪音。在SD 里，使用數學運算，根據時間步數(即上圖里的ts) 來決定將多少噪音量添加到原圖像里。這樣地重復訓練500 回合。如果圖像數量增大時，在單機上訓練，可能速度非常緩慢。此時可以把這些代碼遷移到有GPU 的機器上進行訓練，能大幅提高效率。

Step-6：編寫”圖像生成”主程序，然后展開創作

訓練好了，就得到了自用小模型了。最后就可編寫另一個主程序，來讓UNet 模型生成各種創意的書法作品了。例如，把字寫在唐宋時期的國畫里，如圖6 所示。

圖6 AI的書法創作

每次執行這個書法主程序，都會有一些不一樣的創新，例如圖-6 的左右兩項書法創作。

3 結語

基于本文的范例，可以繼續微調、優化這UNet 模型及主程序代碼，讓AI 做出更多的創新作品。例如，也能進一步讓它學習沒一個字的筆順，來逐筆地“寫”出書法字體了( 圖7)。

圖7 AI依筆順而逐筆創作

本文以AI “畫”書法為例，說明如何從Github 園地里，挖掘自己想要的大模型源代碼，搭配自己收集的書法圖像，來訓練出有趣的AI 書法小模型。如果能善用這些免費代碼，既能省成本、又可靠、省算力、甚至能擁有自己有IP，可謂取之不盡、用之不竭的資源，不亦美哉！

（本文來源于EEPW 2023年12月期）