ভিজ্যুয়াল এআই গাইড

এআই ইমেজ জেনারেশনে বীজ এবং প্রজননযোগ্যতা

এআই ইমেজ জেনারেশনের একটি বীজ হল সেই সংখ্যা যা এলোমেলো সংখ্যা জেনারেটর শুরু করে যা প্রাথমিক শব্দ উৎপন্ন করে।

এই নির্দেশিকা শুনুনএআই-বর্ণিত · ~3 min

এই পৃষ্ঠায়4 মিনিট পড়া
  1. ওভারভিউ
  2. গভীর ডুব
  3. বাস্তব-বিশ্ব বাস্তবায়ন
  4. এআই ইমেজ জেনারেশনে বীজ এবং প্রজননযোগ্যতার ভবিষ্যত
  5. এটাকে বাস্তবে প্রয়োগ করা হচ্ছে
  6. অন্বেষণ চালিয়ে যান
  7. প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী

ওভারভিউ

একই বীজ, প্রম্পট, মডেল এবং সেটিংস সহ, একটি প্রসারিত মডেল সাধারণত একই চিত্র পুনরায় তৈরি করবে। বীজ আপনাকে একটি ফলাফল পুনরুত্পাদন করতে দেয়, নিয়ন্ত্রিত বৈচিত্র তৈরি করতে এবং মোটামুটিভাবে সেটিংস তুলনা করতে দেয়, যদিও সঠিক মিলগুলি বিভিন্ন সফ্টওয়্যার, হার্ডওয়্যার বা মডেল জুড়ে ভেঙে যেতে পারে।

গভীর ডুব

ডিফিউশন মডেলগুলি বিশুদ্ধ এলোমেলো শব্দ থেকে শুরু করে এবং এটিকে ধাপে ধাপে একটি চিত্রে পরিমার্জন করে। যে গোলমাল সত্যিই এলোমেলো নয়. এটি একটি সিউডোর্যান্ডম নম্বর জেনারেটর থেকে আসে, যা একই বীজ থেকে শুরু হলেই সংখ্যার একই ক্রম তৈরি করে। Stable Diffusion 1.5-এর জন্য 512 বাই 512 পিক্সেলে, বীজটি 4টি চ্যানেলের একটি সুপ্ত টেনসর 64 বাই 64 মান পূরণ করে, এবং মডেলটি যা আঁকে তা সেই প্যাটার্ন থেকে বৃদ্ধি পায়। বড় আকার, যেমন একটি চিত্র কোথায় দাঁড়িয়ে আছে বা যেখানে দিগন্ত পড়ে, বেশিরভাগই প্রাথমিক ধাপে সিদ্ধান্ত নেওয়া হয়, তাই বীজ দৃঢ়ভাবে রচনাকে প্রভাবিত করে। একটি চিত্র পুনরুত্পাদন বীজ থেকে বেশি লাগে. আপনার একই মডেলের ওজন, প্রম্পট, নেতিবাচক প্রম্পট, রেজোলিউশন, স্যাম্পলার, স্টেপ কাউন্ট এবং গাইডেন্স স্কেল, পাশাপাশি LoRAs বা কন্ট্রোলনেট ইনপুটগুলির মতো অতিরিক্ত কিছু প্রয়োজন। রেজোলিউশন পরিবর্তন করলে নয়েজ টেনসরের আকৃতি পরিবর্তিত হয়, তাই একই বীজ তারপর একটি সম্পর্কহীন চিত্র দেয়। অনেক সরঞ্জাম একটি ব্যাচের প্রতিটি চিত্রকে পরবর্তী বীজ নম্বর দেয়, তাই একটি ব্যাচের চতুর্থ চিত্রটি প্রায়শই প্রারম্ভিক বীজ প্লাস তিন। সঠিক প্রজনন এখনও ব্যর্থ হতে পারে। PyTorch এর মতো লাইব্রেরিতে CPU এবং GPU র্যান্ডম জেনারেটর একই বীজ থেকে বিভিন্ন ক্রম তৈরি করে। কিছু জিপিইউ অপারেশন অনির্ধারিত, বিভিন্ন হার্ডওয়্যারে অর্ধ-নির্ভুলতা গণিত রাউন্ড ভিন্নভাবে, এবং মেমরি-সেভিং অ্যাটেনশন কোড ছোট মান পরিবর্তন করতে পারে যা অনেক ধাপে বৃদ্ধি পায়। পূর্বপুরুষের নমুনারা প্রতিটি পদক্ষেপে নতুন শব্দ যোগ করে, যা ফলাফলগুলিকে আলাদা করে ফেলার আরও সম্ভাবনা তৈরি করে। একটি ভিন্ন মডেল, বা একই মডেলের একটি নতুন সংস্করণ, অভিন্ন শব্দকে সম্পূর্ণ ভিন্ন ছবিতে পরিণত করে। সর্বজনীনভাবে 'ভাল বীজ' নেই। একটি বীজ যা একটি প্রম্পট এবং মডেলের জন্য ভাল কাজ করে অন্য কোথাও কোন বিশেষ গুণমান নেই। বৈচিত্র্য বৈশিষ্ট্য, যা একটি দ্বিতীয় 'ভেরিয়েশন সিড'-এ মিশ্রিত করে, সামগ্রিক বিন্যাস বজায় রেখে আপনাকে কাছাকাছি চিত্রগুলি অন্বেষণ করতে দেয়।

বাস্তব-বিশ্ব বাস্তবায়ন

একজন ডিজাইনার বীজ 123456 দিয়ে তৈরি একটি কম্পোজিশন পছন্দ করেন, তাই তিনি সেই বীজটিকে স্থির রাখেন এবং 'লাল জ্যাকেট' থেকে 'নীল জ্যাকেট'-এ পরিবর্তন করে একটি বিশদ বিবরণের সাথে ঘনিষ্ঠভাবে সম্পর্কিত দৃশ্য পেতে।

দুটি স্যাম্পলারের তুলনাকারী একটি দল প্রত্যেকটির সাথে একই পাঁচটি বীজের উপর একই প্রম্পট রেন্ডার করে, তাই ভাগ্যের পরিবর্তে নমুনাকারী থেকে যে কোনও পার্থক্য আসে।

একজন Midjourney ব্যবহারকারী একই প্রারম্ভিক বিন্দু থেকে একটি প্রম্পট পুনরায় চালানোর জন্য --seed প্যারামিটার যোগ করে, তারপর ফলাফলগুলি এখনও মডেল সংস্করণ জুড়ে আলাদা।

একজন শৌখিন ব্যক্তি একটি ফোরামে একটি বীজ এবং সম্পূর্ণ সেটিংস ভাগ করে, কিন্তু অন্য একটি ভিন্ন GPU এবং সফ্টওয়্যার বিল্ড সহ অন্য ব্যবহারকারী একটি অনুরূপ, অভিন্ন নয়, চিত্র পায়৷

এআই ইমেজ জেনারেশনে বীজ এবং প্রজননযোগ্যতার ভবিষ্যত

বীজ স্থানীয় এবং খোলা মডেলগুলির জন্য একটি মৌলিক নিয়ন্ত্রণ থাকবে, যেখানে ব্যবহারকারীরা প্রতিটি পরামিতি দেখতে পাবেন। হোস্ট করা পণ্য পরিবর্তিত হয়: কিছু বীজ প্রকাশ করে, অন্যরা সেগুলি লুকিয়ে রাখে বা সার্ভার-সাইড পরিবর্তনগুলি প্রয়োগ করে যা সঠিক প্রজননকে অসম্ভব করে তোলে। অটোরিগ্রেসিভ এবং হাইব্রিড ইমেজ মডেলগুলিও নমুনা নেওয়ার সময় এলোমেলোতা ব্যবহার করে, তাই যেখানে মেকানিক্সের পার্থক্য সেখানেও বীজের ধারণা বহন করে। লাইব্রেরি সংস্করণ এবং হার্ডওয়্যার সহ সম্পূর্ণ প্রজন্মের রেসিপিগুলি রেকর্ড করার জন্য আরও ভাল সরঞ্জামগুলি ফলাফলগুলি ভাগ করা এবং নিরীক্ষা করা সহজ করে তুলবে৷ বীজ যা করতে পারে না তা হল মডেল সংস্করণ জুড়ে অভিন্ন আউটপুটের গ্যারান্টি, কারণ ওজনের যে কোনও পরিবর্তন কীভাবে শব্দ একটি চিত্রে পরিণত হয় তা পরিবর্তন করে।

এটাকে বাস্তবে প্রয়োগ করা হচ্ছে

কেন এটা গুরুত্বপূর্ণ

  • গতি এবং স্কেল. ভিজ্যুয়াল এআই স্কেলে পরিদর্শন, সনাক্তকরণ এবং ট্যাগিং কাজগুলি স্বয়ংক্রিয়ভাবে করতে পারে।
  • পছন্দগুলি তৈরি করুন. সৃজনশীল দলগুলি কম ম্যানুয়াল সংশোধন সহ ধারণাগুলিকে দ্রুত প্রোটোটাইপ করতে পারে।
  • টিম এবং ওয়ার্কফ্লো. অপারেশনগুলি ইমেজ এবং ভিডিও সংকেত ব্যবহার করতে পারে যা আগে প্রক্রিয়া করা কঠিন ছিল।

জন্য সতর্ক

  • প্রমাণ অস্পষ্ট হলে ছবির অধিকার এবং সম্মতি আইনি ঝুঁকিতে পরিণত হতে পারে।
  • মডেলের কর্মক্ষমতা আলো, জনসংখ্যা এবং পরিবেশ জুড়ে পরিবর্তিত হতে পারে।
  • আস্থার থ্রেশহোল্ডগুলি পর্যবেক্ষণ করা না হলে মিথ্যা ইতিবাচকগুলি অলক্ষিত হতে পারে।

পরবর্তী পদক্ষেপ

  1. নির্ভুলতা, প্রত্যাহার, এবং ত্রুটি খরচের জন্য গ্রহণযোগ্যতার মানদণ্ড নির্ধারণ করুন।
  2. প্রকৃত উৎপাদন অবস্থার সাথে মেলে এমন ডেটা দিয়ে পরীক্ষা করুন।
  3. কম-আস্থা বা উচ্চ-প্রভাব ভবিষ্যদ্বাণীর জন্য মানুষের পর্যালোচনা যোগ করুন।
  4. মডেল ড্রিফ্ট ট্র্যাক করুন এবং ক্যামেরা বা ডেটাসেট পরিবর্তনের পরে পুনরায় যাচাই করুন।

অন্বেষণ চালিয়ে যান

ফ্রি নিউজলেটার

প্রতিদিনের এআই ব্রিফিং পান

প্রতি সপ্তাহের কাজের দিন সকালে তিনটি যাচাইকৃত এআই স্টোরি, সহজ ইংরেজিতে লেখা। চিরকালের জন্য ফ্রি, কোনো বিজ্ঞাপন নেই।

প্রতি সপ্তাহের কাজের দিনে একটি ইমেল। এক ক্লিকেই আনসাবস্ক্রাইব করুন। আমরা কখনোই আপনার ঠিকানা বিক্রি বা শেয়ার করি না।

নিজেকে পরীক্ষা করুন

Take the Seeds and Reproducibility in AI Image Generation quiz

প্রতিটি উত্তরের তাৎক্ষণিক ফিডব্যাক, এবং কোর্স পাস করার পর যাচাইযোগ্য আইডি সহ একটি শেয়ারযোগ্য সার্টিফিকেট।

কুইজ শুরু করুন

ফ্রি এআই শিক্ষাকে সমর্থন করুন। AI Understanding একটি 501(c)(3) অলাভজনক প্রতিষ্ঠান — কোনো বিজ্ঞাপন নেই, কোনো পেওয়াল নেই, কখনোই না। একটি দান করুন

প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী

এআই ইমেজ জেনারেশনে বীজ এবং প্রজননযোগ্যতা কী?

এআই ইমেজ জেনারেশনের একটি বীজ হল সেই সংখ্যা যা এলোমেলো নম্বর জেনারেটর শুরু করে যা প্রাথমিক শব্দ তৈরি করে। একই বীজ, প্রম্পট, মডেল এবং সেটিংস সহ, একটি প্রসারিত মডেল সাধারণত একই চিত্র পুনরায় তৈরি করবে। বীজ আপনাকে একটি ফলাফল পুনরুত্পাদন করতে দেয়, নিয়ন্ত্রিত বৈচিত্র তৈরি করতে এবং মোটামুটিভাবে সেটিংস তুলনা করতে দেয়, যদিও সঠিক মিলগুলি বিভিন্ন সফ্টওয়্যার, হার্ডওয়্যার বা মডেল জুড়ে ভেঙে যেতে পারে।

একটি ডিফিউশন ইমেজ জেনারেটরে বীজ সরাসরি কী নিয়ন্ত্রণ করে?

বীজটি র্যান্ডম সংখ্যা জেনারেটরকে শুরু করে যা প্রাথমিক শব্দ তৈরি করে এবং মডেলটি সেই শব্দটিকে চিত্রে পরিমার্জন করে।

কেন বীজ রাখা কিন্তু রেজল্যুশন পরিবর্তন একটি সম্পর্কহীন চিত্র তৈরি করে?

একটি ভিন্ন রেজোলিউশনের জন্য একটি ভিন্ন আকারের সুপ্ত প্রয়োজন, তাই উত্পন্ন শব্দ ভিন্নভাবে বিন্যস্ত হয় এবং রচনা সম্পূর্ণরূপে পরিবর্তিত হয়।

একটি চিত্রের কোন দিকটি বীজ দৃঢ়ভাবে প্রভাবিত করে কারণ এটি প্রাথমিক ধাপে সিদ্ধান্ত নেওয়া হয়?

বড় আকার এবং বিন্যাস ডিনোইজিংয়ের প্রথম দিকে স্থির হয় এবং তারা সরাসরি বীজ উৎপন্ন শুরুর শব্দ থেকে বৃদ্ধি পায়।

কেন একই বীজ একটি সিপিইউ এবং একটি জিপিইউতে ভিন্ন শব্দ দিতে পারে?

PyTorch এর মতো লাইব্রেরিগুলি প্রতিটি ডিভাইসে পৃথক র্যান্ডম জেনারেটর বাস্তবায়ন ব্যবহার করে, তাই একই বীজ বিভিন্ন সংখ্যা দেয়।

বীজ 500 থেকে শুরু করে চারটি চিত্রের একটি ব্যাচে, কোন বীজটি চতুর্থ চিত্রের জন্য অনেক সরঞ্জাম নির্ধারণ করে?

অনেক টুল পরপর ব্যাচ বীজ সংখ্যা করে, তাই ছবি 500, 501, 502 এবং 503 ব্যবহার করে।

শিখতে থাকুন

সম্পর্কিত গাইড

এই বিষয়ের জন্য বাছাই করা আরও গাইড

একটি বিনামূল্যে AI শংসাপত্র পানএকটি সংক্ষিপ্ত বিনামূল্যে কোর্স এবং পরীক্ষা. কোনো খরচ নেই, কোনো কার্ড নেই। প্রায় 2.5 ঘন্টা।বিনামূল্যে শুরু করুন →