本篇内容介绍了“适合面向ChatGPT编程的架构源码分析”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！
我们前面爬虫的需求呢，有些平台说因为引起争议，所以不让发，好吧，那我们换个需求，本来那个例子也不好扩展了。最近AI画图也是比较火的，那么我们来试试做个程序帮我们生成AI画图的prompt。
首先讲一下AI话题的prompt的关键要素，大部分的AI画图都是有一个个由逗号分割的关键字，也叫subject，类似下面这样：
a cute cat, smile, running, look_at_viewer, full_body, side_view,
然后还有negative prompt，就是你不想出现的关键字，跟上面的写法一样，只是写下来表示不希望它画出来的，比如我们想画一堆猫的图片，不想出现狗，不想出现人，我们可以这么写：
dog, human,
这样大概率就不会出现狗和人了（当然也不一定，懂得都懂）。
那么说干就干，开始之前要了解一下领域知识。
首先是关键字，在这个需求里只是基础知识，没有什么难的，大概有下面几条规则：
内容，这些关键字呢，说是关键字，其实你写一句话也没人管你。简化处理，我们这里就只用词和短语。另外，空格可以用下划线代替，这样可能会避免被分词，具体我也不确定，没有深入研究。但是这个不重要，可以完全看成两种关键字去排列组合好了。
关键字是可以有权重的，通常的表达方式是：
(a cute cat:1.5)
这个很重要，通常我们想尝试好的方式，需要给每个关键字设置权重。
LoRA，英文全称Low-Rank Adaptation of Large Language Models，直译为大语言模型的低阶适应，这是微软的研究人员为了解决大语言模型微调而开发的一项技术，在我们这个场景下就是我们多了一种关键字，这种关键字大概是这么写：
<lora:wanostyle_2_offset:1>, monkey d luffy,
它多了一些尖括号，也有权重，同时他会被其他关键字触发，比如上面这个就可以画个海贼王风格的路飞出来。
但总的来说，对关键字本身的建模影响不大
接着我们来了解一下排列组合的逻辑，这个将是我们的关键难点。
在这个领域，影响生成的因素主要有几个：
模型
sample
step
宽高
seed
negative prompt
prompt
在prompt中我们的关键字还可以根据使用目的分类，比如于生成画面风格的、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，关键字的摆放顺序有时候还会造成点不同。
还有更复杂的Control Net，这个例子里我们先不考虑。
生成的时候，某些关键字要获得最好的效果，可能自己对模型、sample以及其他关键字的存在和权重都有自己的要求，比某关键字在某模型下权重为0.3，而在另一个模型下权重需要0.7。比如路飞会带草帽，那么这个人物出现的时候，必须配上帽的关键字才对味，而其他的人物就不要跟草帽组合了，又浪时间又没有意义。所以组合上要考虑各种因素之间的互斥和强依赖等场景。
好，这大概是一个比较复杂的需求了。回到上篇文章遗留的问题，聊聊当我们面对一个比较复杂的需求，而且我们接下来要用ChatGPT把它实现的时候，我们应该怎么设计架构。
在这个需求里，我们首先要知道，这类AI都是有REST API的，比如说stable diffusion WebUI，就有一个自己的API，他们的API接受一个固定格式的JSON，其结构大概是这个样子：
{
"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
}那么这就是类似他们的意图描述，可以把它看成一种DSL。
而在我们这个领域里，我们要做的是排列组合，那么对于排列组合，我们要设计我们排列组合的意图描述，这可以看成另一种DSL，这种DSL只作简单排列组合，不做复杂的互斥和强依赖逻辑的计算，其结构可能是这个样子：
- 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 }
${ pose }
meta:
- view_angle:
- side_view,
- front_view,
portrait:
- full body,
facial_expressions:
- (smile:1.5),
- (smile:1.2),
- smile,
pose: ""
- view_angle:
- front_view,
portrait:
- ""
facial_expressions:
- smile,
pose:
- run,
- jump,
- rolling,
steps: 20然后在这个DSL之上，我们可以再做一个DSL，这个DSL用于处理复杂的互斥和强依赖逻辑的计算，前面说了那么多，真正这个地方到底有多复杂我也想不清楚。那干脆，搞个模板引擎来吧，这就什么都能干了，慢慢搞明白了再封装。最终其结构可能是这个样子：
<%
const randomNum = Math.floor(Math.random() * 900000000) + 100000000;
var intention = {
is_override_settings: true,
seed: randomNum,
}
%>
<% var status = {
charas:{
values_of_chara_$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(); %>
<% } %>于是我们有了三个DSL，他们层层转换，最终驱动AI画图。那么我们的程序可能就会是下面这个样子：
可以看出，这样我们就得到了大名鼎鼎的管道架构，经常使用Linux/Unix命令行的人，可能已经体会过管道架构恐怖的扩展能力，这次我们只能说，是Linux/Unix哲学再一次展现出威力。
我们之前讲了，ChatGPT可以快速写出一些小程序，但是长一点的总是会出错，那么其实除了从规模上进行分解将任务复杂度降低之外，通过抽象建立分层的DSL也是一种降低复杂度的方案。
说到分层，其实从另一个角度看，我们这个架构也是一个分层架构。
可以看到，我们可以轻易地替换调用不同REST API的代码以做到对于不同AI的适配，实现了隔离。
同理，不但意图执行可以切换，意图描述也可以跟着切换：
既可以有技术维度上的扩展，也可以有业务维度上的扩展：
所以从这个角度来说，每一个管段，都是可以看作是一层。
而到这还不算完，具体在执行的时候，可能受环境的影响，可能受上层意图影响等等，总之是需要进行每一层的路径选择的。这种选择，可能是由另一个引擎来完成的。那么最终我们的架构的完整形态他可能是这个样子的：
当然其运行视图可能是这样的：
到此，我们得到了我们架构比较完整的形态，他是一个集成了管道架构和分层架构，在一个派发引擎的支撑下的一个类分层神经网络的结构。
“适合面向ChatGPT编程的架构源码分析”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注亿速云网站，小编将为大家输出更多高质量的实用文章！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
