本期夏令营AIGC方向是通过参加可图Kolors-LoRA风格故事挑战赛https://tianchi.aliyun.com/competition/entrance/532254，学习并实践文生图AIGC、工作流搭建、LoRA微调等技术。
赛题内容
根据夏令营学习目标和赛题要求，我们必然要了解一些关于文生图的信息。
文生图
文生图的发展历程大致分为四个阶段，早期探索--基于统计模型的方法--深度学习的崛起--大规模预训练模型。其中的深度学习崛起时期是文生图技术发展的一个重要转折点。
在文生图实践中，提示词、lora、ComfyUI和参考图控制是四个必须掌握的知识点。task1的实验中，就需要准确提供提示词，提示词越细致准确，生成的图片越能贴近用户心中所想。
根据我提供的提示词，正向和反向的，生成了两张图片。
但很显然，仅凭几个提示词并无法生成最满意的图像，有时候甚至会生成一些奇奇怪怪的东西，比如这只鸭里鸭气的残疾乌龟、、、
所以想要文生图达到预想的效果，还需要参考图控制等操作，帮助“人工智障”更好理解要求，完成工作。
实验内容
搭建好PAI实验环境后，直接开始实验。
第一步，下载baseline文件。复制粘贴代码，等待下载，这一步简单粗暴。
git lfs install
git clone https://www.modelscope.cn/datasets/maochase/kolors.git第二步，进入baseline文件，安装好环境，重启kernel。
安装 Data-Juicer 和 DiffSynth-Studio
Data-Juicer：数据处理和转换工具，旨在简化数据的提取、转换和加载过程
DiffSynth-Studio：高效微调训练大模型工具
注意，这一步虽然也只需要点击几个按钮，但一定要确认资源下载完成，不然后续操作会一直报错。我就是因为这里不够细致，导致第一次实验一直不成功，于是重新创建实例又操作了一次。第二次实验的时候，才发现了问题所在。
第三步，调整prompt，设置想要的图片风格，修改正向和反向描述词。
第四步，依次运行剩余代码块，得到生成的图片。
后面几步没什么技术含量，只要描述贴切，基本问题不大。第一次我发现提示词过长，导致它无法正确解读，把几个提示词混淆在一起，“印有小黄鸭的项圈”、“小乌龟”，结果得到了一直鸭里鸭气的小乌龟。于是第二次我直接去掉了项圈和小乌龟，得到了一张正常的图片。
了解baseline代码
baseline代码主体分为四个步骤：安装环境、下载数据集、处理数据集、训练模型。其中训练模型又包括LoRA微调、加载微调好的模型以及生成图像。
以下四点也是baseline主要完成的功能。
导入库：首先，代码导入了需要用到的库，包括 data-juicer 和微调的工具 DiffSynth-Studio
数据集构建：下载数据集kolors，处理数据集
模型微调：模型微调训练，以及加载训练后的模型
图片生成：调用训练好的模型生成图片
总结
### 文章总结####夏令营AIGC方向活动概述
本期夏令营以参与可图Kolors-LoRA风格故事挑战赛为核心，旨在通过实践学习文生图AIGC、工作流搭建及LoRA微调等先进技术。学员们通过参与比赛，不仅掌握了文生图的基本原理和操作方法，还亲身体验了从大模型到精细化调整的完整流程。
####文生图技术发展概述
文生图技术历经了四个发展阶段：早期探索、统计模型时代、深度学习崛起以及目前的大规模预训练模型时期。其中，深度学习的崛起为文生图技术带来了质的飞跃。在实践中，掌握提示词、LoRA、ComfyUI和参考图控制等关键要素，是生成高质量图像的必要条件。
####实验流程与关键点
1. **实验环境搭建与准备**：首先，搭建PAI实验环境，并下载baseline文件及相关依赖工具（如Data-Juicer、DiffSynth-Studio）确保环境配置无误。
2. **基础操作与问题解决**：实验中遇到的主要问题包括资源下载不完整和提示词不准确导致的图像生成错误。通过细致操作和反复调试，可解决这些问题并获得满意的图像生成效果。
3. **调整代沟与图片风格**：通过修改prompt中的正向和反向描述词，学员们可以对生成的图像风格进行精确控制。同时，参考图的使用也有助于提升图像生成的质量和准确性。
4. **baseline代码解析**：baseline代码主要包括安装环境、下载及处理数据集、模型微调以及图像生成四个步骤。通过对这些步骤的深入理解和实践，学员们能够掌握文生图技术的核心流程和关键技术。
####实践心得与经验分享
在实践过程中，学员们深刻体会到提示词准确性的重要性以及LoRA微调技术对图像生成质量的直接影响。此外，通过反复调试和优化prompt描述词及参考图选择，学员们不断提升了自己的图像生成技能并积累了宝贵的实践经验。这些经验不仅有助于他们在未来的学习和研究中更好地应用文生图技术，也为他们成为优秀的AI创造者奠定了坚实的基础。