1 前言

上一期所刊登的《从CLIP 应用领会隐空间的魅力》一文里，就是一个典型的范例：从Github 网页下载OpenAI 公司的CLIP 源代码(Source code)，然后搭配自己收集的小数据来训练一个给超市商家使用的小模型( 图1)。

图1 Github上的免费CLIP源码

那么，这大模型与小模型，两者的代码之间，有何不同呢？ 这可能会出乎您的预料，其核心模型的代码，大多是一致的、相容的。常常仅是大模型的参数量很大，而小模型参数量较少而已。

于是就能免费拿来大模型的开源代码，把其参数量调小，搭配企业自有IP 的数据( 训练数据量较少)，在较省算力的计算机上即可把代码跑起来，训练出企业自有IP 的中小模型了。免费代码既省成本、可靠、省算力、又自有IP，可谓取之不尽、用之不竭的资源，岂不美哉！

例如，在上一期的文章里，就以商店柜台的产品推荐应用为例演示了：拿CLIP 的源代码，搭配商家自有产品图像(Image) 和图像叙述文句(Text)，来训练出企业自用的CLIP 小模型。

然而，上一期文章里，并没有详细说明其训练的流程。于是，本文就拿另一个范例来演示，并且说明其开发流程。由于本文的主题是代码，如果您有些Python代码的基础知识，就会更容易理解。

2 以”训练Diffusion写书法”为例

在之前的文章《细观Diffusion 隐空间里UNet 的训练流程》里，曾经介绍过Diffusion 架构，及其训练方法。在AIGC 潮流中，SD(Stable Diffusion) 产品的推出是AIGC 图像生成发展历程中的一个里程碑，提供了高性能模型，能快速生成创意十足的图像。

于是，本范例就拿Diffusion 来学习，及创作书法字体，也就是俗称的：写书法。虽然Diffusion 也能学习依循标准笔顺，来逐笔写出字形。为了从简单范例出发，本文先让Diffusion 来学习程生成整个字形，而不是逐一生成各笔划。

在SD 里，UNet 模型扮演关键性角色。在SD 的隐空间里，它使用了一个UNet 模型，并搭配一个时间调度(Scheduling) 器，来担任图像生成的核心任务。而扩散(Diffusion) 一词则描述了SD 隐空间里进行的图像生成情形，整个过程都是在隐空间里逐步推进(Step by step) 的，现在就依循开发流程来逐步说明之。

Step-1：从Github网页下载Diffusers源码首先访问这个Huggingface 网页( 图2)，然后，按下”code”就自动把Diffusers 源码下载到本机里了。这源码本身并不大，只有4.5MB 大小而已。

图2 Github上的免费Diffusers源码

Step-2：把Code放置于Python 的IDLE环境里

把刚才下载的Diffusers代码压缩檔解开，放置于Wibdows 本机的Python 工作区里，例如 /Python310/ 目录区里( 图3)，这样，就能先在本机里做简单的测试，例如创建模型并拿简单数据( 或假数据) 来测试，有助于提升成功的自信心。

图3 放置于本机的Python环境里

Step-3：找出Diffusion的核心模型---UNet

由于小模型常常只需要部份代码就足够了，所以就打开上图里的/diffusers/ 活页夹，就会看到所需要的UNet 模型代码文件--- unet_2d_condition.py 档案，如图4 所示。

图4 放置于本机的Python环境里

接着，打开这个unet_2d_condition.py 档案，可以看到内含的类(Class) 定义：

class UNet2DConditionModel(…):

……………

……………

这个UNet2DCondition 类就是所需要的UNet 模型的定义了。

Step-4：准备训练数据(Training data)在本文的范例里，收集了”春、满、干、坤”四个字的书法图像，各5 个图像，如图5 所示。

图5 训练数据

总共有20 个书法字体的图像。使用这20 张书法图像，来让UNet 模型学习，就能让它”画”出书法字了。之后，也能进一步让它学习没一个字的笔顺，来逐笔地”写”出书法字体了。

Step-5：编写”模型训练”主程序，然后展开训练

准备好了训练数据( 书法图像)，就来编写一个主程序，使用UNet2DCondition 类来创建一个UNet 模型。主程序的代码如下：

接着，就拿刚才所准备的训练图像，来展开训练，也就是让UNet 模型来学习了。其代码如下：

在SD 隐空间里，它使用了一个UNet 模型，并搭配一个时间调度(Scheduling) 器，来担任图像生成的核心任务。执行到上图红色框的指令时，就会把随机噪音添加到书法图像里，成为”含噪音图像”(Image noisy)。然后把它输入给UNet 模型，让它预测出此图像所含的噪音。在SD 里，使用数学运算，根据时间步数(即上图里的ts) 来决定将多少噪音量添加到原图像里。这样地重复训练500 回合。如果图像数量增大时，在单机上训练，可能速度非常缓慢。此时可以把这些代码迁移到有GPU 的机器上进行训练，能大幅提高效率。

Step-6：编写”图像生成”主程序，然后展开创作

训练好了，就得到了自用小模型了。最后就可编写另一个主程序，来让UNet 模型生成各种创意的书法作品了。例如，把字写在唐宋时期的国画里，如图6 所示。

图6 AI的书法创作

每次执行这个书法主程序，都会有一些不一样的创新，例如图-6 的左右两项书法创作。

3 结语

基于本文的范例，可以继续微调、优化这UNet 模型及主程序代码，让AI 做出更多的创新作品。例如，也能进一步让它学习没一个字的笔顺，来逐笔地“写”出书法字体了( 图7)。

图7 AI依笔顺而逐笔创作

本文以AI “画”书法为例，说明如何从Github 园地里，挖掘自己想要的大模型源代码，搭配自己收集的书法图像，来训练出有趣的AI 书法小模型。如果能善用这些免费代码，既能省成本、又可靠、省算力、甚至能拥有自己有IP，可谓取之不尽、用之不竭的资源，不亦美哉！

（本文来源于《电子产品世界》2023年12月期）