新的需求

我們前面爬蟲(chóng)的需求呢，有些平臺(tái)說(shuō)因?yàn)橐馉?zhēng)議，所以不讓發(fā)，好吧，那我們換個(gè)需求，本來(lái)那個(gè)例子也不好擴(kuò)展了。最近AI畫(huà)圖也是比較火的，那么我們來(lái)試試做個(gè)程序幫我們生成AI畫(huà)圖的prompt。

首先講一下AI話題的prompt的關(guān)鍵要素，大部分的AI畫(huà)圖都是有一個(gè)個(gè)由逗號(hào)分割的關(guān)鍵字，也叫subject，類似下面這樣：

a cute cat, smile, running,  look_at_viewer, full_body, side_view,

然后還有negative prompt，就是你不想出現(xiàn)的關(guān)鍵字，跟上面的寫(xiě)法一樣，只是寫(xiě)下來(lái)表示不希望它畫(huà)出來(lái)的，比如我們想畫(huà)一堆貓的圖片，不想出現(xiàn)狗，不想出現(xiàn)人，我們可以這么寫(xiě)：

dog,  human, 

這樣大概率就不會(huì)出現(xiàn)狗和人了（當(dāng)然也不一定，懂得都懂）。

這些prompt扔給AI，我們可能得到下面這么一張圖：

但也可能會(huì)得到下面這么一張圖：

后面這張讓人san值狂減啊有沒(méi)有，所以說(shuō)關(guān)鍵字的使用上還是有些學(xué)問(wèn)的，我得好好研究研究。一研究我才發(fā)現(xiàn)，這玩意生成速度太慢了，我做一個(gè)試驗(yàn)幾秒鐘過(guò)去了，然后才能做下一個(gè)。這就把我鎖在這電腦前面了，走也不是，等也不是。我大好的人生怎么能浪費(fèi)在這些事情上？啊不高~興！

這時(shí)我想到，我是個(gè)程序員啊。那假如，我有一個(gè)可以排列組合各種關(guān)鍵字幫我生成prompt的程序，讓它一個(gè)個(gè)去試驗(yàn)，最后我只要看看哪個(gè)圖片比較靠譜，反過(guò)來(lái)看看哪些關(guān)鍵字組合更好用，豈不是美滋滋？

領(lǐng)域知識(shí)

那么說(shuō)干就干，開(kāi)始之前要了解一下領(lǐng)域知識(shí)。

首先是關(guān)鍵字，在這個(gè)需求里只是基礎(chǔ)知識(shí)，沒(méi)有什么難的，大概有下面幾條規(guī)則：

• 內(nèi)容，這些關(guān)鍵字呢，說(shuō)是關(guān)鍵字，其實(shí)你寫(xiě)一句話也沒(méi)人管你。簡(jiǎn)化處理，我們這里就只用詞和短語(yǔ)。另外，空格可以用下劃線代替，這樣可能會(huì)避免被分詞，具體我也不確定，沒(méi)有深入研究。但是這個(gè)不重要，可以完全看成兩種關(guān)鍵字去排列組合好了。
• 關(guān)鍵字是可以有權(quán)重的，通常的表達(dá)方式是：

(a cute cat:1.5)

這個(gè)很重要，通常我們想嘗試好的方式，需要給每個(gè)關(guān)鍵字設(shè)置權(quán)重。

LoRA，英文全稱Low-Rank Adaptation of Large Language Models，直譯為大語(yǔ)言模型的低階適應(yīng)，這是微軟的研究人員為了解決大語(yǔ)言模型微調(diào)而開(kāi)發(fā)的一項(xiàng)技術(shù)，在我們這個(gè)場(chǎng)景下就是我們多了一種關(guān)鍵字，這種關(guān)鍵字大概是這么寫(xiě)：

<lora:wanostyle_2_offset:1>,  monkey d luffy,

• 它多了一些尖括號(hào)，也有權(quán)重，同時(shí)他會(huì)被其他關(guān)鍵字觸發(fā)，比如上面這個(gè)就可以畫(huà)個(gè)海賊王風(fēng)格的路飛出來(lái)。
• 但總的來(lái)說(shuō)，對(duì)關(guān)鍵字本身的建模影響不大

接著我們來(lái)了解一下排列組合的邏輯，這個(gè)將是我們的關(guān)鍵難點(diǎn)。

• 在這個(gè)領(lǐng)域，影響生成的因素主要有幾個(gè)：
  • 模型
  • sample
  • step
  • 寬高
  • seed
  • negative prompt
  • prompt
• 在prompt中我們的關(guān)鍵字還可以根據(jù)使用目的分類，比如于生成畫(huà)面風(fēng)格的、用于生成背景的、用于生成人物的、用于成表情的等等
• 在prompt中，關(guān)鍵字的擺放順序有時(shí)候還會(huì)造成點(diǎn)不同。
• 還有更復(fù)雜的Control Net，這個(gè)例子里我們先不考慮。
• 生成的時(shí)候，某些關(guān)鍵字要獲得最好的效果，可能自己對(duì)模型、sample以及其他關(guān)鍵字的存在和權(quán)重都有自己的要求，比某關(guān)鍵字在某模型下權(quán)重為0.3，而在另一個(gè)模型下權(quán)重需要0.7。比如路飛會(huì)帶草帽，那么這個(gè)人物出現(xiàn)的時(shí)候，必須配上帽的關(guān)鍵字才對(duì)味，而其他的人物就不要跟草帽組合了，又浪時(shí)間又沒(méi)有意義。所以組合上要考慮各種因素之間的互斥和強(qiáng)依賴等場(chǎng)景。

架構(gòu)設(shè)計(jì)

好，這大概是一個(gè)比較復(fù)雜的需求了?；氐缴掀恼逻z留的問(wèn)題，聊聊當(dāng)我們面對(duì)一個(gè)比較復(fù)雜的需求，而且我們接下來(lái)要用ChatGPT把它實(shí)現(xiàn)的時(shí)候，我們應(yīng)該怎么設(shè)計(jì)架構(gòu)。

管道架構(gòu)

在這個(gè)需求里，我們首先要知道，這類AI都是有REST API的，比如說(shuō)stable diffusion WebUI，就有一個(gè)自己的API，他們的API接受一個(gè)固定格式的JSON，其結(jié)構(gòu)大概是這個(gè)樣子：

{
"prompt": "",
"negative_prompt": "",
"controlnet_input_image": [],
"controlnet_mask": [],
"controlnet_module": "",
"controlnet_model": "",
"controlnet_weight": 1,
"controlnet_resize_mode": "Scale to Fit (Inner Fit)",
"controlnet_lowvram": true,
"controlnet_processor_res": 512,
"controlnet_threshold_a": 64,
"controlnet_threshold_b": 64,
"controlnet_guidance": 1,
"controlnet_guessmode": true,
"enable_hr": false,
"denoising_strength": 0.5,
"hr_scale": 1.5,
"hr_upscale": "Latent",
"seed": -1,
"subseed": -1,
"subseed_strength": -1,
"sampler_index": "",
"batch_size": 1,
"n_iter": 1,
"steps": 20,
"cfg_scale": 7,
"width": 512,
"height": 512,
"restore_faces": true,
"override_settings": {},
"override_settings_restore_afterwards": true
}

那么這就是類似他們的意圖描述，可以把它看成一種DSL。

而在我們這個(gè)領(lǐng)域里，我們要做的是排列組合，那么對(duì)于排列組合，我們要設(shè)計(jì)我們排列組合的意圖描述，這可以看成另一種DSL，這種DSL只作簡(jiǎn)單排列組合，不做復(fù)雜的互斥和強(qiáng)依賴邏輯的計(jì)算，其結(jié)構(gòu)可能是這個(gè)樣子：

- base_share_composite_intentions:
    base:
    steps: 10
    batch_size: 1
    width: 512
    height: 512
    cfg_scale: 7
    sampler: "Euler a"
    seed: -1
    restore_faces: true
    output_folder: output/txt2img
    file_full_name_strategy: date_seed_name_strategy
    sd_host: http://localhost:7860
    negative_prompt: a dog  
    poly:
    - template_prompt:
        template: >
            a cat,
            ${ view_angle }
            ${ portrait }
            ${ facial_expressions }
            ${ pose }
        meta:
            - view_angle: 
                - side_view,
                - front_view,
              portrait: 
                - full body,
              facial_expressions:
                - (smile:1.5),  
                - (smile:1.2),  
                - smile,  
              pose: ""
            - view_angle: 
                - front_view,
              portrait: 
                - ""
              facial_expressions:
                - smile,      
              pose:
                - run,
                - jump,
                - rolling,  
        steps: 20

然后在這個(gè)DSL之上，我們可以再做一個(gè)DSL，這個(gè)DSL用于處理復(fù)雜的互斥和強(qiáng)依賴邏輯的計(jì)算，前面說(shuō)了那么多，真正這個(gè)地方到底有多復(fù)雜我也想不清楚。那干脆，搞個(gè)模板引擎來(lái)吧，這就什么都能干了，慢慢搞明白了再封裝。最終其結(jié)構(gòu)可能是這個(gè)樣子：

<% 
const randomNum = Math.floor(Math.random() * 900000000) + 100000000;
var intention = {
    is_override_settings: true,
    seed: randomNum,
}
%>

<% var status = {
charas:{
    values_of_chara_$ref: [
    "cats.yml#Abyssinian",
    "cats.yml#cats_in_boots",
    ],
    current_chara_index: 0,
    next_chara(){
    this.current_chara_index++;
    }
},
themes:{
    values_of_theme: [
    {
        $ref: "outdoor"
    },
    ],
    current_theme_index: 0,
    next_theme(){
    this.current_theme_index++;
    },
    reset_theme(){
    this.current_theme_index = 0;
    }
}
}
%>

<%
common_theme_file = "common/chara_based_themes.yml"
%>

<% while (status.charas.current_chara_index < status.charas.values_of_chara_$ref.length) { %>
- base_share_composite_intentions:
    common:
    theme: 
    base:
    steps: 20
    batch_size: 1
    width: 512
    height: 512
    cfg_scale: 7
    sampler: "DPM++ 2M Karras"
    seed: <%- intention.seed %>
    restore_faces: false
    output_folder: output/txt2img
    file_full_name_strategy: date_seed_name_strategy
    sd_host: http://localhost:7860
    <% if(intention.is_override_settings){ %>
    override_settings: 
        CLIP_stop_at_last_layers: 2
        eta_noise_seed_delta: 31337
    <%}%>
    negative_prompt: >
        dog,  human, bad anatomy, EasyNegative,paintings, sketches, (worst quality:2), (low quality:2), (normal quality:2), lowres, normal quality,
    poly:
    <% while (status.themes.current_theme_index < status.themes.values_of_theme.length) { %>
    - $p_ref: 
        $ref: "<%-common_theme_file%>#<%- status.themes.values_of_theme[status.themes.current_theme_index].$ref%>"
        params:
            base_prompt_features: 
            $p_ref: 
                $ref: <%- status.charas.values_of_chara_$ref[status.charas.current_chara_index] %>
                params:
                is_full_chara: true 
                chara_weight: 0.2
            pose:
                sit
            facial_expressions:
                (smile:1.1),(open mouth),
    - $p_ref: 
        $ref: "<%-common_theme_file%>#<%- status.themes.values_of_theme[status.themes.current_theme_index].$ref%>"
        params:
            base_prompt_features: 
            $p_ref: 
                $ref: <%- status.charas.values_of_chara_$ref[status.charas.current_chara_index] %>
                params:
                is_full_chara: true 
                chara_weight: 0.6
            pose:
                run
            facial_expressions:
                (smile:1.2),(closed mouth),
    <% status.themes.next_theme(); %>
    <% } %>
<% status.themes.reset_theme(); %>
<% status.charas.next_chara(); %>
<% } %>

于是我們有了三個(gè)DSL，他們層層轉(zhuǎn)換，最終驅(qū)動(dòng)AI畫(huà)圖。那么我們的程序可能就會(huì)是下面這個(gè)樣子：

可以看出，這樣我們就得到了大名鼎鼎的管道架構(gòu)，經(jīng)常使用Linux/Unix命令行的人，可能已經(jīng)體會(huì)過(guò)管道架構(gòu)恐怖的擴(kuò)展能力，這次我們只能說(shuō)，是Linux/Unix哲學(xué)再一次展現(xiàn)出威力。

我們之前講了，ChatGPT可以快速寫(xiě)出一些小程序，但是長(zhǎng)一點(diǎn)的總是會(huì)出錯(cuò)，那么其實(shí)除了從規(guī)模上進(jìn)行分解將任務(wù)復(fù)雜度降低之外，通過(guò)抽象建立分層的DSL也是一種降低復(fù)雜度的方案。

分層架構(gòu)

說(shuō)到分層，其實(shí)從另一個(gè)角度看，我們這個(gè)架構(gòu)也是一個(gè)分層架構(gòu)。

可以看到，我們可以輕易地替換調(diào)用不同REST API的代碼以做到對(duì)于不同AI的適配，實(shí)現(xiàn)了隔離。

同理，不但意圖執(zhí)行可以切換，意圖描述也可以跟著切換：

既可以有技術(shù)維度上的擴(kuò)展，也可以有業(yè)務(wù)維度上的擴(kuò)展：

所以從這個(gè)角度來(lái)說(shuō)，每一個(gè)管段，都是可以看作是一層。

類分層神經(jīng)網(wǎng)絡(luò)的架構(gòu)

而到這還不算完，具體在執(zhí)行的時(shí)候，可能受環(huán)境的影響，可能受上層意圖影響等等，總之是需要進(jìn)行每一層的路徑選擇的。這種選擇，可能是由另一個(gè)引擎來(lái)完成的。那么最終我們的架構(gòu)的完整形態(tài)他可能是這個(gè)樣子的：

當(dāng)然其運(yùn)行視圖可能是這樣的：

到此，我們得到了我們架構(gòu)比較完整的形態(tài)，他是一個(gè)集成了管道架構(gòu)和分層架構(gòu)，在一個(gè)派發(fā)引擎的支撐下的一個(gè)類分層神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。（還別說(shuō)，這個(gè)結(jié)果還挺有點(diǎn)分形的味道）

總結(jié)一下

跟上一篇文章比起來(lái)，我們這篇文章的代碼寫(xiě)的更少了（難道這就是ChatGPT時(shí)代的宿命嗎^_^）。

我們引入了一個(gè)新需求，這個(gè)新需求有更多的排列組合邏輯在其中，其測(cè)試也更容易在本地完成?；谶@個(gè)復(fù)雜的排列組合邏輯的問(wèn)題域，我們?cè)陂_(kāi)始之前做了一個(gè)架構(gòu)設(shè)計(jì)。因?yàn)槲覀冞@篇文章是用ChatGPT寫(xiě)程序，這個(gè)架構(gòu)設(shè)計(jì)自然是為了能用ChatGPT把這個(gè)復(fù)雜的程序給寫(xiě)出來(lái)，所以我們整篇文章只講了應(yīng)該設(shè)計(jì)一個(gè)怎樣的架構(gòu)。

之所以這么設(shè)計(jì)架構(gòu)，是因?yàn)镃hatGPT只能做簡(jiǎn)單程序的代碼編寫(xiě)，但是我們不能因此放棄使用它。畢竟人類社會(huì)也沒(méi)有因?yàn)檎羝麢C(jī)車不如馬耐顛所以放棄蒸汽機(jī)車?yán)^續(xù)用馬車，我們?yōu)榱耸褂盟膬?yōu)勢(shì)為他修了路。那么放到軟件領(lǐng)域，就是要為它設(shè)計(jì)適合它的架構(gòu)，以最大限度的發(fā)揮它的優(yōu)勢(shì)，規(guī)避它的劣勢(shì)。

所以我們采用了分層架構(gòu)+管道架構(gòu)兩種架構(gòu)模式的組合搭建了一個(gè)類分層神經(jīng)網(wǎng)絡(luò)的架構(gòu)。盡管這個(gè)架構(gòu)要達(dá)到最完美的形態(tài)，我們需要把那個(gè)派發(fā)引擎做出來(lái)，但是即便沒(méi)有那個(gè)派發(fā)引擎，剩下的兩個(gè)模式的組合也足以使得我們可以在橫向上按照代碼規(guī)模進(jìn)行分解，在縱向上按照抽象層次進(jìn)行分解，從而把需求的復(fù)雜度分解為一個(gè)個(gè)可以由ChatGPT完成的任務(wù)了。

那么接下來(lái)，我們就可以動(dòng)手工作了，我們下一篇文章講講開(kāi)發(fā)這其中的每一個(gè)節(jié)點(diǎn)有什么套路。

以上就是適合面向ChatGPT編程的架構(gòu)示例詳解的詳細(xì)內(nèi)容，更多關(guān)于面向ChatGPT編程架構(gòu)的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！