第4部　生成AIを活用したデータ拡張による異常分類モデルの精度検証

本文中のリスト・コマンドライン

関連ファイル一式

 

---

第1章　ステップ①…少量の異常画像で学習する

リスト1　学習ツール…sd-scriptのインストールを行うコマンド

#① venv仮想環境の作成
python -m venv venv

#② venv仮想環境の起動
.\venv\Scripts\activate

#③ パッケージのインストール
pip install torch==2.1.2 torchvision==0.16.2 –index-url https://download.pytorch.org/whl/cu118
pip install –upgrade -r requirements.txt
pip install xformers==0.0.23.post1 –index-url https://download.pytorch.org/whl/cu118

#④ アクセラレータのコンフィグ設定の実行
accelerate config

・1つ目の質問：実行環境
“This machine”を選択．
・2つ目の質問：学習に用いるデバイスの選定
“No distributed training”を選択
・3つ目の質問：CPUのみで学習するか否か
“No”と入力
・4つ目の質問：TorchDynamoの利用有無
“No”と入力
・5つ目の質問：DeepSpeedの利用有無
“No”と入力
・6つ目の質問：使用するGPUの指定
“all”と入力
・7つ目の質問：精度の選択
“fp16″を選択

 

リスト2 stable-diffusion-webuiのインストールに使うバッチ・ファイルwebui-user.bat
IF2503T14B1S.zip中の00_stable-diffusion-webui_バッチファイル/webui-user.bat

 

sd-script のインストール：公式の日本語解説ページ
https://github.com/kohya-ss/sd-scripts/blob/main/README-ja.md

 

コラム　stable-diffusion-webuiインストール時のエラー対応

リストA インストール時のエラーを回避するバッチ・ファイル

@echo off

set PYTHON=C:/Users/(アカウント名)/miniconda3/envs/(仮想環境名)/python.exe
set GIT=
set VENV_DIR=
set COMMANDLINE_ARGS=–skip-torch-cuda-test –no-half
set TORCH_INDEX_URL=https://download.pytorch.org/whl/cu117
set TORCH_COMMAND=pip install torch==2.0.1+cu117 torchvision==0.15.2+cu117 –extra-index-url https://download.pytorch.org/whl/cu117

call webui.bat

 

SQLite Download Page
https://www.sqlite.org/download.html

 

①Pythonの実行ファイルの指定
set PYTHON=C:/Users/(アカウント名)/miniconda3/envs/(仮想環境名)/python.exe

 

②PyTorchのバージョンの指定
set TORCH_INDEX_URL=https://download.pytorch.org/whl/cu117
set TORCH_COMMAND=pip install torch==2.0.1+cu117 torchvision==0.15.2+cu117 –extra-index-url https://download.pytorch.org/whl/cu117

 

▶バッチ・ファイルの実行
https://github.com/AUTOMATIC1111/stable-diffusion-webui

 

リスト3　Diffusersのインストールを行うコマンド
# ①sd-scriptのフォルダに移動
cd C:\Users\(アカウント名)\Downloads\sd-scripts

# ②venv環境を立ち上げ
.\venv\Scripts\activate

# ③パッケージをインストール
pip install omegaconf peft huggingface-hub==0.24.7

 

ViSA（Vision Anomaly Dataset）のダウンロード（1.79Gバイト）
https://amazon-visual-anomaly.s3.us-west-2.amazonaws.com/VisA_20220922.tar

 

リスト4　データセットのディレクトリ構成をLoRA学習向けに変換するPythonスクリプト（create_lora_dataset.py）
IF2503T14B1S.zip中の01_ViSA_データセット変換スクリプト/create_lora_dataset.py

 

リスト5　データセットのコンフィグ設定を行うtomlファイル （datasetconfig_class_identifier_visa_chewinggum_4class.toml）
IF2503T14B1S.zip中の02_sd-scripts_データセットコンフィグファイル/datasetsdatasetconfig_class_identifier_visa_chewinggum_4class.toml

 

リスト6　学習実行用のバッチ・ファイル （run.bat）
IF2503T14B1S.zip中の03_sd-scripts_学習実行バッチファイル/run.bat

---

第2章　ステップ②…学習したモデルで異常画像を生成する

リスト1　疑似異常画像を大量生成する （main.py）
IF2503T14B1S.zip中の04_sd-scripts_Diffusers画像生成スクリプト/console_inference_lora/main.py