第 3 节 / 共 4 节

多模态专题：虚拟试衣

🎯 了解虚拟试衣背景、技术与阿里 PAI 平台实践。

📎 资料

虚拟试衣课件（6 讲，附文字提取版）

📄 01-虚拟试衣背景.pdf · 文字提取版

以下为 PDF 文字提取版（排版有简化，原文见附件）。

第 1 页

一样的教育，不一样的品质虚拟试衣背景介绍

第 2 页

目录 Contents 1.背景介绍 2.应用场景 3.虚拟试衣的优势 4.虚拟试衣的方法 5.课程安排

第 3 页

虚拟试衣的背景介绍

第 4 页

虚拟试衣技术是什么虚拟试衣技术是一种结合计算机图形学和人工智能，实现虚拟试穿效果的创新技术。虚拟试衣技术的运作方式该技术将虚拟服装模型与真实人体模型相结合，模拟出真实的试穿场景。虚拟试衣技术的目的随着科技的不断发展和消费者对于购物体验要求的提高，虚拟试衣技术逐渐成为一种创新的解决方案，以解决在线购物时缺乏试穿机会的问题。 1 2 3 虚拟试衣技术的定义

第 5 页

传统在线购物模式的局限性试穿的必要性和挑战传统购物模式下，消费者无法亲身感受商品效果，导致购买决策犹豫不决商品效果的视觉限制传统在线购物模式下，消费者只能通过图片或视频来查看商品，无法亲身感受商品的质地、舒适度等实际效果时间、地点和成本的限制消费者在实体店试穿的机会受限于时间、地点和成本等因素，虚拟试衣技术的出现填补了这一空白。

第 6 页

虚拟试衣的意义虚拟试衣技术让消费者在线模拟真实试穿场景，感受商品的实际效果。真实试穿效果体验通过虚拟试衣技术，商家可以根据消费者的需求进行个性化推荐和定制服务。个性化推荐和定制服务虚拟试衣技术帮助消费者更好地了解商品的效果，增强购买信心，减少犹豫和后悔。提高购物决策信心

第 7 页

虚拟试衣的应用场景

第 8 页

虚拟试衣的应用场景虚拟试衣技术在电商中的应用通过虚拟试衣技术，消费者可以在电商平台上在线试穿商品，提高购物决策的准确性。虚拟现实/增强现实与虚拟试衣的结合将虚拟服装模型与真实人体模型相结合，实现更加逼真的虚拟/增强现实体验。虚拟试衣技术在时尚设计和影视制作中的作用在时尚设计和影视制作中，虚拟试衣技术可以提高设计效率、满足个性化需求和提升视觉效果。

第 9 页

在电商领域的应用虚拟试衣技术的应用在电商平台上，消费者可以通过虚拟试衣技术在线试穿商品，提高购物决策的准确性。增强现实体验的提升通过将虚拟服装模型与真实人体模型相结合，虚拟试衣技术实现了更加逼真的虚拟/增强现实体验。时尚设计与个性化需求的满足虚拟试衣技术可用于效果预览、搭配推荐和定制化设计等方面，提高了设计效率并满足了个性化需求。

第 10 页

在虚拟现实中的应用虚拟试衣技术与真实人体模型结合通过虚拟试衣技术，将虚拟服装模型与真实人体模型相结合，实现更加逼真的虚拟/增强现实体验。提高虚拟试衣效果的关键环节虚拟试衣技术与真实人体模型的结合，能够更好地模拟消费者的真实穿着效果，提高购物决策的准确性。

第 11 页

在时尚设计中的应用个性化搭配推荐利用虚拟试衣技术，根据消费者的需求和喜好，为其提供个性化的服装搭配建议，提升购物体验。定制化设计实现通过虚拟试衣技术，将消费者的体型数据与设计师的创意相结合，实现定制化的服装设计，满足个性化需求。时尚趋势预测利用虚拟试衣技术，结合大数据分析，预测时尚潮流趋势，为设计师提供灵感和参考，推动时尚产业的发展。

第 12 页

在影视行业中的应用通过虚拟试衣技术，可以快速预览和搭配服装，减少实际试穿的时间，提高制作效率。提升制作效率虚拟试衣技术可以将虚拟服装与真实人体模型相结合，实现更加逼真的视觉效果，提升影视作品的观赏性。增强视觉效果虚拟试衣技术可以帮助设计师在角色造型设计中进行服装预览和搭配，确保角色形象与剧情相符，提升影视作品的质量。优化角色造型设计

第 13 页

虚拟试衣的优势

第 14 页

节省时间和精力虚拟试衣的便捷性消费者无需亲自到店，即可在线试穿多个商品，节省了时间和精力。提升购物效率通过虚拟试衣技术，消费者可以在短时间内尝试多种搭配，提高购物效率。优化购物体验虚拟试衣技术使消费者在舒适的家中就能完成试衣过程，大大优化了购物体验。

第 15 页

提高购物决策准确性虚拟试衣技术介绍虚拟试衣技术是一种创新的购物体验方式，通过将虚拟服装模型与真实人体模型相结合，实现在线模拟真实试穿场景。应用场景分析虚拟试衣技术的应用场景广泛，包括电子商务、虚拟现实/增强现实、时尚设计和影视制作等领域。提高购物决策准确性通过虚拟试衣技术，消费者可以更好地了解商品的效果，避免购买不适合自己的商品，从而提高购物决策的准确性。

第 16 页

个性化推荐和定制服务个性化推荐服务利用虚拟试衣技术，根据消费者的需求和喜好，为其推荐合适的商品。定制服务介绍商家可以根据消费者的身材、喜好等信息，为其提供定制化的商品设计和制作。提高客户满意度通过个性化推荐和定制服务，满足消费者的需求，提高其购物体验和满意度。 1 2 3

第 17 页

增强品牌形象通过虚拟试衣技术，消费者可以更直观地了解商品效果，增强对品牌的认知和信任。虚拟试衣技术提升品牌形象商家利用虚拟试衣技术为消费者提供个性化推荐和定制服务，满足不同需求，提高客户满意度。个性化推荐与定制服务虚拟试衣技术帮助商家根据消费者需求进行生产和备货，有效降低库存风险和成本。降低库存风险与成本

第 18 页

降低成本和库存风险虚拟试衣的成本效益通过虚拟试衣技术，商家可以根据消费者需求进行生产和备货，降低不必要的库存和生产成本。避免商品滞销风险虚拟试衣技术可以帮助商家预测商品的受欢迎程度，从而避免生产过多不受欢迎的商品，减少滞销风险。提高销售效率通过个性化推荐和定制服务，商家可以提高销售效率，减少因商品不合适而导致的退换货，进一步降低成本。 1 2 3

第 19 页

虚拟试衣的方法

第 20 页

使用Lora进行服饰训练和可控生成通过添加少量的可微调参数和使用少量的数据集，快速进行模型的微调，从而为模特、动作、背景等提供广泛的生成空间

第 21 页

基于SAM和ControlNet的人体重绘技术在SDWebUI中，您可以同时利用多个ControlNet来完成图像生成中的部分内容编辑。这意味着您可以在完整保留原始图像衣物的细节后，对其余细节部分进行创意生成，例如对人物和背景进行重绘。

第 22 页

课程安排

第 23 页

使用Lora进行服饰训练和可控生成在PAI平台中搭建虚拟试衣的环境搭建虚拟试衣的环境，准备实现虚拟上装的操作。加载模型参数加载预训练好的模型参数，为进行模型训练和模型推理做准备。虚拟上装效果展示完成模型加载后，通过 WebUI启动模型推理，实时展示虚拟上装的效果。

第 24 页

1.使用场景广泛，适用于企业缺乏数据算力的场景，NLP，CV各领域 2.未来发展趋势：百度千帆，阿里PAI，讯飞星火 3.企业的降本增效 4.减小环境搭建，部署的难度，快速上手 PAI平台课程收获

📄 02-阿里PAI平台.pdf · 文字提取版

以下为 PDF 文字提取版（排版有简化，原文见附件）。

第 1 页

一样的教育，不一样的品质阿里PAI平台介绍

第 2 页

目录 Contents 1.背景介绍 2.阿里云人工智能平台PAI 3.PAI平台的意义 4.PAI的产品结构 5.PAI的架构

第 3 页

背景介绍

第 4 页

AIGC的领域划分

第 5 页

AI研发的新范式三类用户：上游:通用模型生产者与平台方（如阿里）中游：利用垂直行业知识对模型进行优化（生态伙伴）下游：最终AI应用的使用者（最广大的用户群体）。

第 6 页

阿里云人工智能平台PAI

第 7 页

PAI4.0架构三层架构： Ø下层是强大的基础设施 Ø中间层“PAI灵骏智算集群”，是专门面向超大规模分布式，重点解决预训练、Finetune、推理等工作。 Ø最上层“Model as a Service” 概念，能够让不懂算法，但需要应用AI的人进行全链路的AI创新。

第 8 页

PAI平台的作用

第 9 页

提升开发效率：全生命周期化的AI平台

第 10 页

PAI-DSW交互式建模

第 11 页

PAI-DLC分布式训练

第 12 页

PAI模型服务与AI推理

第 13 页

提升计算效率

第 14 页

PAI平台产品结构

第 15 页

产品结构

第 16 页

支持机器学习算法算法种类丰富 PAI平台支持基础的聚类和回归类算法，同时也支持文本分析和特征处理等复杂算法。深度学习框架支持 PAI平台兼容TensorFlow、 Caffe及MXNet等主流的机器学习框架，满足不同开发者的需求。可视化建模方式 Designer工具封装了经典的机器学习算法，提供拖拽式搭建实验的可视化建模方式，无需编程即可实现模型构建。

第 17 页

一站式的机器学习体验 PAI平台支持用户上传数据，并进行数据预处理操作。数据上传与预处理 PAI提供特征工程工具和分布式训练功能，助力用户高效完成模型训练。特征工程与模型训练 PAI支持模型评估，同时提供一键式模型部署服务，实现模型到业务的无缝衔接。模型评估与一键部署

第 18 页

主流深度学习框架支持深度学习框架支持概述 PAI平台提供了对多种主流深度学习框架的支持，如Pytorch，TensorFlow、Caffe及 MXNet等。 Pytorch框架应用作为全球最受欢迎的深度学习框架之一，Pytor’ch在PAI平台上得到了全面支持和应用。 Caffe与MXNet框架 Caffe和MXNet作为另外两个主流深度学习框架，也在PAI平台上发挥了重要作用，满足了不同用户的需求。 1 2 3

第 19 页

可视化的建模方式可视化建模工具- Designer Designer封装了经典的机器学习算法，提供拖拽式搭建实验，无需编程。交互式建模平台-DSW DSW支持交互式建模，满足不同建模需求，让模型开发更灵活。一键式模型部署服务 PAI支持将训练模型一键式发布为Restful API接口，实现模型到业务的无缝衔接。

第 20 页

PAI平台架构

第 21 页

PAI平台架构

第 22 页

Ø基础设施层：包括CPU、GPU、FPGA及NPU。 Ø计算引擎和容器服务层：包括MaxCompute、EMR、实时计算等计算引擎及容器服务ACK。 Ø计算框架层：包括Alink、TensorFlow、PyTorch、Megatron、 DeepSpeed、Caffe、MapReduce、SQL及MPI等计算框架，用于执行分布式计算任务。

第 23 页

Ø按照机器学习全流程，PAI分别提供了数据准备、模型开发与训练及模型部署阶段的产品： 1.数据准备：PAI提供了智能标注，支持在多种场景下进行数据标注和数据集管理。 2.模型开发与训练：PAI提供了可视化建模（Designer）、交互式建模（DSW）、分布式训练（DLC）以及特征平台（FeatureStore），满足不同的建模需求。 3.模型部署：PAI提供了模型在线服务（EAS）和推理加速工具（Blade），帮助您快速地将模型部署为服务。同时，PAI提供了智能生态市场，您可以获取业务解决方案和模型算法，实现相关业务和技术的高效对接。 Ø业务层：PAI应用于金融、医疗、教育、交通以及安全等各个领域。阿里巴巴集团内部的搜索系统、推荐系统及金融服务系统等，均依赖于PAI进行数据挖掘。

📄 03-阿里云注册及开通PAI.pdf · 文字提取版

以下为 PDF 文字提取版（排版有简化，原文见附件）。

第 1 页

一样的教育，不一样的品质阿里云注册及开通PAI

第 2 页

目录 Contents 1.阿里云注册 2.实名认证 3.开通PAI

第 3 页

阿里云注册

第 4 页

阿里云注册进入阿里云官网，单击页面右上角的登录/注册按钮，点击注册。

第 5 页

注册方式 1.设置输入登录名。 2.输入手机号并获取您的手机验证码。 3.输入您手机收到的验证码。 4.完成验证后，阅读并勾选协议点击注册按钮即完成账号的注册。账号密码注册 1.使用阿里云APP/支付宝/钉钉扫码。 2.在手机支付宝/钉钉点击授权使用您在支付宝/钉钉的账号ID与手机号。 3.授权完成后即可完成注册扫码注册 1.输入您的手机号并获取验证码。 2.输入您手机收到的验证码。 3.验证通过后，阅读并勾选协议点击注册按钮即可完成账号的注册。手机号注册

第 6 页

实名认证

第 7 页

实名认证实名认证方式个人实名认证和企业实名认证。实名认证的目的完成实名认证后，可以购买阿里云产品、提现余额等功能。（要完成虚拟试衣任务需进行实名认证）实名认证的注意事项提醒用户在个人认证和企业认证中做出选择，并注意账号安全。 1 2 3

第 8 页

个人实名认证如果您的支付宝账号已完成实名认证，可以选择通过支付宝授权快速完成阿里云个人账号实名认证。支付宝授权认证若选择个人扫脸认证，您需要使用手机阿里云App或手机淘宝App扫描二维码，然后在手机端根据页面提示完成实人扫脸认证操作。扫脸认证

第 9 页

个人实名认证

第 10 页

开通PAI

第 11 页

登录PAI控制台阿里云账号登录打开阿里云控制台，单击页面右上角的头像进入账号中心。选择并进入PAI 在账号中心，找到并单击左侧菜单栏中的人工智能平台PAI ，进入PAI控制台。 PAI控制台界面操作在PAI控制台界面，进行相关的设置和操作，如开通服务、创建工作空间等。

第 12 页

登录PAI控制台

第 13 页

选择需要开通的地域后，单击页面中间的开通引导按钮

第 14 页

在右侧弹出的订单详情页面确认开通基本信息，并配置影响开通的关键参数，完成后可单击前往默认工作空间或进入PAI控制台，进行后续的AI开发工作。

📄 04-PAI平台开通指南.pdf · 文字提取版

以下为 PDF 文字提取版（排版有简化，原文见附件）。

第 1 页

1. 1. ဳٙᴨ᯾ԯҁPCᒒ҂ 1.1. 1.1 ᨴݩဳٙ ᬰفᴨ᯾ԯਥᗑ҅ڋܔᶭᶎݦӤ᥯ጱጭ୯/ဳٙೲᰵ҅ᅩڋဳ̶ٙ ᨴݩੂᎱဳٙ 1. ᦡᗝᬌفጭ୯ݷ̶ 5~25ӻਁᒧ҅ݢզ۱ތਁྮ౲ᘏ࿥ਁ,ӧᚆ۱ތຽᅩᒵᇙྛਁᒧ̶ ᭿ֵعአনݷ̵ಋ๢ݩ̵᫝ղᦤ̵ᱷᤈܜᒵභఽמ௳҅ڞވဳ໊ٙḵݢᚆӧ ᭗ᬦ҅വគֵአӾ෈̶ 2. ᦡᗝᬌفጭ୯ੂᎱ̶ 6~20ӻਁᒧ,ӧᚆฎፘݶጱአಁݷ̶ ݝᚆ۱ތਁྮ̵හਁզ݊ຽᅩᒧݩҁᴻᑮ໒҂̶ ਁྮ̵හਁ޾ຽᅩᒧݩӣᘏӾᛗ੝۱ތ2ᐿ̶ 3. ᬌفಋ๢ݩଚ឴ݐ఍ጱಋ๢ḵᦤᎱ̶ 4. ᬌف఍ಋ๢තکጱḵᦤᎱ̶ 5. ਠ౮ḵᦤݸ҅ᴅ᧛ଚۮᭌܐᦓᅩڋဳٙೲᰵܨਠ౮ᨴݩጱဳ̶ٙ ಚᎱဳٙ

第 2 页

1. ֵአᴨ᯾ԯAPP/ඪ՞ਪ/ᰓᰓಚᎱ̶ 2. ࣁಋ๢ඪ՞ਪ/ᰓᰓᅩڋദ๦ֵአ఍ࣁඪ՞ਪ/ᰓᰓጱᨴݩIDӨಋ๢ݩ̶ 3. ദ๦ਠ౮ݢܨݸਠ౮ဳ̶ٙ ਠ౮ဳݸٙ҅տਖ਼఍ጱඪ՞ਪ/ᰓᰓᨴݩӨဳٙጱᴨ᯾ԯᨴݩᕬਧ҅఍զֵݢݸ አඪ՞ਪ/ᰓᰓಚᎱጭ୯̶ ਠ౮ဳݸٙ҅տਖ਼఍ඪ՞ਪ/ᰓᰓᨴݩӾᕬਧጱಋ๢ݩӨဳٙጱᴨ᯾ԯᨴݩᕬ ਧ֢҅ԅ఍ጱਞقಋ๢ݩളතፘמى௳̶ ইຎ఍ࣁඪ՞ਪ/ᰓᰓᨴݩӾ๚ᕬਧಋ๢ݩ҅ڞᵱᥝ఍ࣁಚᎱᏟᦊദ๦ݸಋۖऴ ٟ఍ጱಋ๢ݩզ֢ԅ఍ጱਞقಋ๢ݩ̶ ಋ๢ݩᎱဳٙ 1. ᬌف఍ጱಋ๢ݩଚ឴ݐḵᦤᎱ̶ 2. ᬌف఍ಋ๢තکጱḵᦤᎱ̶ 3. ḵᦤ᭗ᬦݸ҅ᴅ᧛ଚۮᭌܐᦓᅩڋဳٙೲᰵݢܨਠ౮ᨴݩጱဳٙਠ౮ဳٙ ݸ҅տਖ਼఍ಋ๢ݩӨဳٙጱᴨ᯾ԯᨴݩᕬਧ֢҅ԅ఍ጱਞقಋ๢ݩളතፘى מ௳҅Ԟֵݢአಋ๢ݩጭ୯̶ ဳٙਠ౮ݸ఍ԞݢզࣁᨴݩӾஞਞقᦡᗝӾىᳮಋ๢ݩጭ୯ҁىᳮٚݢݸེ಑ ୏҂̶ 1.2. 1.2 ਫݷᦊᦤҁᥝਠ౮ᡦ೙ᦶᤏձۓᵱᬰᤈਫݷᦊ ᦤ҂ ইຎᥝᨻԣᴨ᯾ԯԾߝ̵൉ሿᨴݩӾጱሿᰂ᷐֟ᒵ҅ᵱ఍ਠ౮ᴨ᯾ԯᨴݩጱਫݷᦊ ᦤ̶

第 3 页

1.2.1. 1. ᭗ᬦඪ՞ਪദ๦ਠ౮ਫݷᦊᦤ ইຎ఍ጱඪ՞ਪᨴݩ૪ਠ౮ਫݷᦊᦤ҅ݢ᭗ᬦඪ՞ਪദ๦ள᭛ਠ౮ᴨ᯾ԯӻՈᨴݩ ਫݷᦊᦤ̶ 1. ጭ୯ᴨ᯾ԯഴݣګ҅ڋܔᶭᶎݦӤ᥯ጱ१؟ᬰفᨴݩӾஞ҅ᆐڋܔݸૢ׆ោܔ ໄӾጱਫݷᦊᦤҔ౲ᘏፗള಑୏ᴨ᯾ԯਫݷᦊᦤᶭᶎ̶ 2. ࣁਫݷᦊᦤᶭᶎ҅ᭌೠᦊᦤᔄࣳԅӻՈਫݷᦊᦤ҅ᆐݸᭌೠӻՈඪ՞ਪദ๦ᦊ ᦤ̶ 3. ۮᭌݶ఺ᴨ᯾ԯଘݣ᧛ݐ఍ࣁඪ՞ਪጱᦊᦤמ௳ҁনݷ̵᫝ղᦤݩ҂አԭ᫝ղ ᦊᦤ҅ᆐڋܔݸጭ୯ඪ՞ਪ̶ 4. ࣁඪ՞ਪAPPᶭᶎ҅᭗ᬦಋ๢ඪ՞ਪಚᎱጭ୯౲᭗ᬦᬌفӻՈඪ՞ਪᨴ݊ݩੂ Ꮁጭ୯҅ḵᦤ౮ܨݸۑਠ౮ᦊᦤ̶ 1.2.2. 2. ᭗ᬦಚ᚜ਠ౮ਫݷᦊᦤ 1. ጭ୯ᴨ᯾ԯഴݣګ҅ڋܔᶭᶎݦӤ᥯ጱ१؟ᬰفᨴݩӾஞ҅ᆐڋܔݸૢ׆ោܔ ໄӾጱਫݷᦊᦤҔ౲ᘏፗള಑୏ᴨ᯾ԯਫݷᦊᦤᶭᶎ̶ 2. ࣁਫݷᦊᦤᶭᶎ҅ᭌೠᦊᦤᔄࣳԅӻՈਫݷᦊᦤ҅ᆐݸᭌೠӻՈಚ᚜ᦊᦤ̶ 3. ֵአಋ๢ᴨ᯾ԯApp౲ಋ๢ႣਪAppಚൈԫᖌᎱ҅ᆐࣁݸಋ๢ᒒ໑ഝᶭᶎ൉ᐏ ਠ౮ਫՈಚ᚜ᦊᦤ඙̶֢

第 4 页

4. ᦊᦤ౮ݸۑ҅ᬬࢧኪᚏᒒᶭᶎ҅ڋܔ౯૪ਠ౮ᦊᦤ̶ ਠ౮ਫݷᦊᦤݸ҅఍੪ݢզֵአᧆᨴࣁݩᴨ᯾ԯਥᗑӤᨻԣ఍ಅᵱᥝጱԾ޾ߝ๐ ۓ̶ԅԧො׎ඪ՞҅఍ݢզࣁӣොᨴݩᕬਧᶭᶎਖ਼ᴨ᯾ԯᨴݩӨ఍ጱඪ՞ਪᨴݩᕬ ਧ̶ 2. 2. ୏᭗PAI 1. ጭ୯PAIഴݣګ̶ 2. ࣁૢӤ᥯ᭌೠᵱᥝ୏᭗ጱࣈऒݸ҅ڋܔᶭᶎӾᳵጱ୏᭗୚੕ೲᰵ̶ 3. ׆ݦࣁ୨ڊጱᦈܔᧇఘᶭᶎᏟᦊ୏᭗च๜מ௳҅ଚᯈᗝ୽ߥ୏᭗ጱىᲫ݇හ̶

第 5 页

ٌӾىᲫᯈᗝጱဳ఺ᅩইӥғ ᕟݳ୏᭗ғ ֵአPAIᬰᤈAI୏ݎᒵૡ֢෸҅տׁᩢๅग़ٌ՜ፘىጱԯԾߝ̶ࣁӧݶ ጱֵአ࣋วӥ҅ᵱᥝׁᩢጱٌ՜ԯԾڜߝᤒ݇ݢᥠ୏᭗ଚദ๦ׁᩢጱᴨ ᯾ԯԾߝ̶ ୌᦓ఍ࣁྌ॒ݶྍ୏᭗OSS҅OSS֢ԅAIᩒԾጱਂؙՕᨶ҅ࣁAI୏ݎᬦ ᑕӾᤩଠာֵአ҅ᧇᥠՋԍฎ੒᨝ਂؙOSS̶ۮᭌݸՐտࣁ୏᭗PAI෸ ݶྍ୏᭗OSS҅ӧֵአጱᦾӧտතᩇ̶ٌ՜ԯԾݸࣁݢߝᖅֵአᬦᑕӾ ೲᵱ୏᭗̶ ਖ਼఍ق᮱ৼᨴݩᩙԨἕᦊૡ֢ᑮᳵጱᓒဩ୏ݎ᥯ᜋғ ୏᭗ᶭᶎἕᦊԅ఍ᭌӾྌᭌᶱ҅ইຎ఍୮ڹԆᨴݩӥํஉग़ৼᨴݩ҅ୌᦓྌ ॒ݐၾۮᭌ҅ݸᖅٚ໑ഝਫᴬᵱᥝԅӧݶৼᨴݩദԨ੒ଫጱ๦ᴴ̶ ദ๦ғ ఍ᵱڋܔ݄ദ๦҅໑ഝኴᶎ൉ᐏਠ౮ፘىദ๦҅឴ݐᦢᳯԯᩒრጱ๦ᴴ̶

第 6 页

4. Ꮯᦊፘמى௳ଚਠ౮ᯈᗝݸ҅ڋܔᏟᦊ୏᭗ଚڠୌἕᦊૡ֢ᑮᳵ҅୮ኴᶎ൉ᐏ ୏᭗ਠ౮ݸ҅఍ܨਠ౮ࣁ୮ࣈڹऒጱ୏᭗඙֢҅ݸᖅڋܔݢڹஃἕᦊૡ֢ᑮᳵ ౲ᬰفPAIഴݣګ҅ᬰᤈݸᖅጱAI୏ݎૡ̶֢ 3. ᶾعݐᩇᦶአᩒრ ᩒრᶾݐURL᱾ളғ https://free.aliyun.com/?product=1358,1395&spm=5176.28508143.J_ahRFo5C aAe_asSOaCgS4J.8.81f2154a8Su6VP&scm=20140722.M_9553144.P_154.MO_1 802-ID_9553144-MID_9553144-CID_20080-ST_7663-V_1 ᶾݐOSS޾DSWጱֵአᩒრݢܨ̶

📄 05-PAI_DSW的环境搭建.pdf · 文字提取版

以下为 PDF 文字提取版（排版有简化，原文见附件）。

第 1 页

一样的教育，不一样的品质 PAI_DSW环境搭建

第 2 页

目录 Contents 1.PAI-DSW平台简介 2.PAI-DSW产品特点 3.PAI-DSW平台的流程

第 3 页

PAI-DSW平台简介

第 4 页

PAI-DSW平台简介 PAI-DSW是PAI产品的云端机器学习开发IDE，适用于不同水平的开发者。 PAI-DSW平台 DSW集成了开源JupyterLab ，以插件化的形式进行深度定制化开发，提供丰富的计算资源，且对接多种数据源。 DSW的功能特点通过EASCMD的方式，可以将 DSW获得的训练模型进行模型部署服务。 DSW进行模型部署

第 5 页

PAI-DSW产品特点

第 6 页

一站式服务一站式服务 DSW提供从数据处理到模型部署的全流程服务，满足不同开发者需求。文件系统支持 DSW支持多种文件系统的挂载，方便用户管理和使用各类数据资源。插件化开发与部署 DSW以插件化形式进行深度定制化开发，并可轻松将训练模型部署为模型服务。

第 7 页

PAI平台使用流程

第 8 页

阿里云登录

第 9 页

成功登录后，在【产品类别】下选择【人工智能与机器学习】> 【人工智能平台PAI】

第 10 页

开发流程 | 阿里云授权认证培训合作伙伴常见的使用场景如下所示，可以按照流程引导，使用子产品模块：

第 11 页

在工作空间中创建DSW实例。其中关键参数配置如下，其他参数取默认配置即可！

第 12 页

开发流程 | 阿里云授权认证培训合作伙伴进入工作空间后，在左侧导航栏可以看到PAI全部子产品模块，您需要根据实际开发场景进行机器学习全生命周期的开发及管理。

第 13 页

快速开始概述 | 阿里云授权认证培训合作伙伴快速开始是PAI产品组件，集成了国内外AI开源社区中优质的预训练模型，且基于开源模型支持零代码实现从训练到部署再到推理的全部过程，能带来更快、更高效、更便捷的AI应用体验。 u使用限制目前快速开始支持的地域包括华北2（北京）、华东2（上海）、华东1（杭州）、华南1 （深圳）。

第 14 页

进入交互式建模PAI-DSW

📄 06-虚拟试衣实践.pdf · 文字提取版

以下为 PDF 文字提取版（排版有简化，原文见附件）。

第 1 页

一样的教育，不一样的品质虚拟试衣实践

第 2 页

目录 Contents 1.虚拟试衣DSW环境搭建 2.Diffusers安装 3.配置accelerate 4.下载stable-diffusion-webui开源库 5.SD+LoRA模型微调 6.模型部署 7.推理验证

第 3 页

创建DSW实例

第 4 页

创建DSW实例

第 5 页

创建DSW实例-实例信息设置

第 6 页

创建DSW实例-资源配置

第 7 页

创建DSW实例-存储配置（无需修改）

第 8 页

创建DSW实例-环境配置点击下一步，构建环境，大约需要5-15分钟的时间进行构建。

第 9 页

创建DSW实例-启动实例启动实例后即可进行虚拟试衣任务的开发。

第 10 页

打开DSW Gallery 在Notebook页签的Launcher页面，单击快速开始区域Tool下的DSW Gallery，打开DSW Gallery页面。

第 11 页

下载教程文件在DSW Gallery页面中，搜索并找到AIGC Stable diffusion文生图Lora模型微调实现虚拟上装教程，单击教程卡片中的在DSW中打开。单击后即会自动将本教程所需的资源和教程文件下载至DSW实例中，并在下载完成后自动打开教程文件。

第 12 页

运行教程文件在打开的教程文件stable_diffusion_try_on.ipynb文件中，您可以直接看到教程文本，您可以在教程文件中直接运行对应的步骤的命令，当成功运行结束一个步骤命令后，再顺次运行下个步骤的命令。

第 13 页

Diffusers安装

第 14 页

安装方法 ! pip install -U http://pai-vision-data-hz.oss-cn- zhangjiakou.aliyuncs.com/EasyCV/datasets/diffusers-0.22.0.dev0-py3-none- any.whl

第 15 页

运行结果

第 16 页

配置accelerate

第 17 页

配置方法可以直接运行命令下载默认配置文件，若需要自定义配置则在Terminal中执行命令：accelerate config，并根据DSW实例详情，选择对应配置 ! mkdir-p /root/.cache/huggingface/accelerate/ ! wget-c http://pai-vision-data-sh.oss-cn-shanghai.aliyuncs.com/aigc- data/accelerate/default_config.yaml-O /root/.cache/huggingface/accelerate/default_config.yaml

第 18 页

运行结果

第 19 页

下载stable-diffusion-webui开源库

第 20 页

下载方法为了提升下载速度，本示例在OSS上缓存了代码包,直接执行如下命令即可完成下载，若需更新最新版本，也可前往开源链接进行下载： •stable-diffusion-webui •stablediffusion •taming-transformers •k-diffusion •CodeFormer •blip

第 21 页

下载方法 import os ! apt update ! apt install -y aria2 def aria2(url, filename, d): !aria2c --console-log-level=error -c -x 16 -s 16 {url} -o {filename} -d {d} url_prefix = { "cn-shanghai": "http://pai-vision-data-sh.oss-cn-shanghai- internal.aliyuncs.com", "cn-hangzhou": "http://pai-vision-data-hz2.oss-cn- hangzhou-internal.aliyuncs.com", "cn-shenzhen": "http://pai-vision-data- sz.oss-cn-shenzhen-internal.aliyuncs.com", "cn-beijing": "http://pai-vision- data-bj.oss-cn-beijing-internal.aliyuncs.com", "ap-southeast-1": "http://pai- vision-data-ap-southeast.oss-ap-southeast-1-internal.aliyuncs.com" } dsw_region= os.environ.get("dsw_region") prefix = url_prefix[dsw_region] if dsw_regionin url_prefixelse "http://pai-vision-data-sh.oss-cn- shanghai.aliyuncs.com" webui_url= f"{prefix}/aigc-data/code/stable-diffusion- webui-v1.tar.gz" aria2(webui_url, webui_url.split("/")[-1], "./")

第 22 页

输出结果

第 23 页

下载完成后进行配置 ! tar -xfstable-diffusion-webui-v1.tar.gz ! cd stable-diffusion-webui&& wget-c http://pai-vision-data-sh.oss-cn- shanghai.aliyuncs.com/aigc-data/webui_config/config_tryon.json-O config.json

第 24 页

运行结果为

第 25 页

SD+LORA模型微调

第 26 页

1.准备数据集及训练代码我们提供了训练代码及一个小的示例数据，可以参照该格式准备自定义数据 ! wget-c http://pai-vision-data-hz.oss-cn- zhangjiakou.aliyuncs.com/EasyCV/datasets/try_on/cloth_train_example.tar.gz&& tar -xvfcloth_train_example.tar.gz ! wget-c http://pai-vision-data-hz.oss-cn- zhangjiakou.aliyuncs.com/EasyCV/datasets/try_on/train_text_to_image_lora_v2.p y

第 27 页

1.准备数据集及训练代码输出结果为：

第 28 页

2.查看示例图片 fromPILimportImage display(Image.open("cloth_train_example/train/20230407174450.jpg"))

第 29 页

3.下载预训练模型并转化成diffusers格式 safety_checker_url=f"{prefix}/aigc-data/hug_model/models--CompVis--stable- diffusion-safety-checker.tar.gz"aria2(safety_checker_url, safety_checker_url.split("/")[-1],"./") ! tar -xfmodels--CompVis--stable-diffusion-safety-checker.tar.gz-C /root/.cache/huggingface/hub/clip_url=f"{prefix}/aigc- data/hug_model/models--openai--clip-vit-large-patch14.tar.gz"aria2(clip_url, clip_url.split("/")[-1],"./") ! tar -xfmodels--openai--clip-vit-large-patch14.tar.gz -C /root/.cache/huggingface/hub/model_url=f"{prefix}/aigc- data/sd_models/chilloutmix_NiPrunedFp32Fix.safetensors"aria2(model_url, model_url.split("/")[-1],"stable-diffusion-webui/models/Stable-diffusion/") ! wget-c http://pai-vision-data-hz.oss-cn- zhangjiakou.aliyuncs.com/EasyCV/datasets/convert_original_stable_diffusion_to_ diffusers.py! python convert_original_stable_diffusion_to_diffusers.py\-- checkpoint_path=stable-diffusion-webui/models/Stable- diffusion/chilloutmix_NiPrunedFp32Fix.safetensors \--dump_path=chilloutmix-ni --from_safetensors

第 30 页

3.下载预训练模型并转化成diffusers格式

第 31 页

4.模型训练 ! export MODEL_NAME="chilloutmix-ni"&&\ export DATASET_NAME="cloth_train_example"&&\ accelerate launch --mixed_precision="fp16"train_text_to_image_lora_v2.py \ --pretrained_model_name_or_path=$MODEL_NAME \ --train_data_dir=$DATASET_NAME --caption_column="text"\ --width=640--height=768--random_flip\ --train_batch_size=1\ --num_train_epochs=200--checkpointing_steps=5000\ --learning_rate=1e-04--lr_scheduler="constant"-lr_warmup_steps=0\ --seed=42\ --output_dir="cloth-model-lora"\ --validation_prompt="cloth1"--validation_epochs=100--rank=128

第 32 页

4.模型训练结果为

第 33 页

模型部署

第 34 页

1.Lora模型 ! wget-c http://pai-vision-data-hz.oss-cn-zhangjiakou.aliyuncs.com/EasyCV/datasets/convert- to-safetensors_v2.py ! python convert-to-safetensors_v2.py --file='cloth-model-lora/pytorch_lora_weights.safetensors’ ! mkdir-p stable-diffusion-webui/models/Lora ! cp cloth-model-lora/pytorch_lora_weights_converted.safetensorsstable-diffusion- webui/models/Lora/cloth_lora_weights.safetensors 将lora模型转化成WebUI支持格式并拷贝到WebUI所在目录

第 35 页

1.Lora模型运行结果

第 36 页

2.额外模型文件为了加速下载在oss做了缓存，可以运行如下命令直接下载 embedding_url=f"{prefix}/aigc-data/embedding/ng_deepnegative_v1_75t.pt" aria2(embedding_url,embedding_url.split("/")[-1],"stable-diffusion- webui/embeddings/") model_lora_url=f"{prefix}/aigc- data/lora/koreanDollLikeness_v10.safetensors" aria2(model_lora_url,model_lora_url.split("/")[-1],"stable-diffusion- webui/models/Lora/") bert_url=f"{prefix}/aigc-data/hug_model/models--bert-base-uncased.tar.gz" aria2(bert_url,bert_url.split("/")[-1],"~/.cache/huggingface/hub")! cd ~/.cache/huggingface/hub &&tar -xvfmodels--bert-base-uncased.tar.gz

第 37 页

2.额外模型文件输出结果

第 38 页

3.在DSW中启动WebUI ! cd stable-diffusion-webui&&python launch.py--no-half-vae--xformers 输出结果为：由于Github访问存在不稳定性，如果运行后未出现正常返回结果且提示网络相关原因，例如：Network is unreachable、unable to access 'https://github.com/...... '，可以重新运行命令。

第 39 页

推理验证

第 40 页

在WebUI页签配置以下参数 ØPrompt：cloth1,<lora:koreanDollLikeness_v10:0.4>, (extremely detailed CG unity 8k wallpaper),(RAW photo, best quality), (realistic, photo-realistic:1.2), a close up portrait photo, 1girl, shopping mall rooftop cafe, outdoor, smile, (high detailed skin:1.4), puffy eyes, gorgeous hair, air bangs, brown black hair, soft lighting, high quality,<lora:cloth_lora_weights:1> ØNegative prompt：ng_deepnegative_v1_75t,paintings, sketches, (worst quality:2), (low quality:2), (normal quality:2), lowres, ((monochrome)), (grayscale:1.2), skin spots, acnes, skin blemishes, age spot, glans,extrafingers,fewer fingers,(watermark:1.2),(letters:1.2),(nsfw:1.2),teeth

第 41 页

在WebUI页签配置以下参数 Ø采样方法（Sampler）：Euler a Ø采样迭代步数（Steps）：50 Ø宽度**和**高度：640，768 Ø随机种子（seed）：1400244389 Ø提示词相关性（CFG Scale）：7 Ø选中codeformer面部修复复选框

第 42 页

点击生成：