使用 Amazon Bedrock 模型定制微调您的 Amazon Titan 图像生成器 G1 模
使用Amazon Bedrock微调Amazon Titan图像生成器G1模型
主要要点
在本文中，我们将介绍如何利用Amazon Bedrock微调Amazon Titan图像生成器G1模型，以生成符合您的品牌特色的个性化图像。我们会详细说明数据准备过程、模型微调步骤以及如何测试和部署微调后的模型。
Amazon Titan图像生成器G1是一款先进的文本转图像模型，可以理解描述多个物体的提示，并能够捕捉这些相关细节生成图像。它可用于生成和编辑图像，并支持高级编辑功能，如智能裁剪、填图和背景更改。例如，本文将演示如何微调该模型，以生成我们心爱的宠物狗Ron和猫Smila的个性化图像。
评估模型的能力
在开始微调之前，先检查现有模型是否能满足需求是良好的做法。让我们用Amazon Titan图像生成器模型生成一些Ron和Smila的图像，如下方截图所示。然而，初始模型可能无法正确生成他们的图像。透过提示工程，我们可以提供更多细节，以便逼近我们心爱宠物的外观。
微调Amazon Titan图像生成器
在Amazon Bedrock中，微调过程是无伺服器的。您仅需准备您的数据，选择超参数，其余则由AWS处理。创建微调作业会在AWS模型开发帐户中生成副本，并更新模型权重。微调后的模型保存在Amazon S3中，仅可由您的帐户进行推理，数据安全性和网络安全性得到保障。
以下是微调过程的工作流程图：
数据隐私和网络安全
使用于微调的数据和自定义模型将保持私密，并不会被分享或用于模型训练，所有数据在传输和存储过程中都为加密状态。您还可以使用AWS PrivateLink建立私有连接。
数据准备
在创建模型定制作业之前，需要准备训练数据集。对于Amazon Titan图像生成器模型，您需要提供用于微调的图像及每个图像的标题描述，并将图像存储在Amazon S3中。 每行的JSON格式包括图像引用和对应的提示文字。
以下是一个样本结构：
json{imageref s3//bucket/path/to/image001png caption ltprompt textgt}
在内容上，为了避免混淆，我们将“Ron”和“Smila”加上识别标签，例如“Ron the dog”和“Smila the cat”。
开始微调作业
微调过程可以通过Amazon Bedrock控制台或API进行。以下为在控制台操作的步骤：
进入Amazon Bedrock控制台，选择 Custom models。在“Customize model”菜单中，选择 Create finetuning job。为微调模型命名，并填写任务配置。输入数据的S3路径，提供必要的超参数。以下是一些建议的设定：
小熊加速器app提供的图像数量建议的步骤数810003240006480001000100001000012000在输出部分，您需要指定S3路径，并生成IAM角色，确保Amazon Bedrock可以顺利访问数据。
部署微调后的模型
完成微调后，Provisioned Throughput可帮助您分配固定的处理能力，这提供了更稳定的性能。为了测试，您可以设置模型单位为1，并在No commitment的条件下开始测试微调模型。
微调结果
在我们的实验中，微调模型的最佳超参数设置为5000步、批量大小为8、学习率为1e5。以下是生成的几个示例图像：
Ron wearing a superhero capeRon on the moonRon in a swimming pool with sunglasses结论
本文介绍了何时使用微调而不是仅通过提示工程来改善图像生成质量。我们展示了微调Amazon Titan图像生成器模型的过程，并说明了如何在Amazon Bedrock上部署自定义模型。您可以根据本文的范例进一步适应您的用例，利用Amazon Titan图像生成器生成超个性化的图像。
了解更多
进一步了解您可以使用的范本 在这里。
