학습용 데이터셋 생성

Hub에는 모델을 학습시키는 데 사용할 수 있는 다양한 데이터셋이 있지만, 관심 있는 데이터셋을 찾지 못했거나 자체 데이터셋을 사용하려는 경우 🤗 Datasets 라이브러리를 사용하여 데이터셋을 만들 수 있습니다. 데이터셋의 구조는 모델을 학습시키고자 하는 작업에 따라 달라집니다. 가장 기본적인 데이터셋 구조는 무조건적 이미지 생성과 같은 작업의 경우 이미지 파일이 포함된 디렉터리입니다. 텍스트-이미지 생성과 같은 작업의 경우, 이미지 파일이 포함된 디렉터리와 해당 이미지에 대응하는 텍스트 캡션을 포함하는 텍스트 파일로 구성된 데이터셋 구조를 사용할 수 있습니다.

이 가이드에서는 파인튜닝에 사용할 데이터셋을 만드는 두 가지 방법을 보여줍니다:

--train_data_dir 인수에 이미지 폴더를 제공합니다
데이터셋을 Hub에 업로드하고 데이터셋 저장소 ID를 --dataset_name 인자에 전달합니다

💡 학습용 이미지 데이터셋을 만드는 방법에 대해서는 이미지 데이터셋 만들기 가이드에서 자세히 알아보세요.

폴더로 데이터셋을 제공합니다

무조건 생성의 경우, 이미지 폴더로 구성된 사용자 지정 데이터셋을 제공할 수 있습니다. 학습 스크립트는 🤗 Datasets의 ImageFolder 빌더를 사용하여 폴더에서 데이터셋을 자동으로 구성합니다. 디렉터리 구조는 다음과 같아야 합니다:

data_dir/xxx.png
data_dir/xxy.png
data_dir/[...]/xxz.png

데이터셋 디렉터리의 경로를 --train_data_dir 인자에 전달한 후 학습을 시작할 수 있습니다:

accelerate launch train_unconditional.py \
    --train_data_dir <path-to-train-directory> \
    <other-arguments>

데이터를 Hub에 업로드

💡 Hub에 데이터셋을 생성하고 업로드하는 방법에 대한 자세한 내용과 맥락을 확인하려면 Image search with 🤗 Datasets 게시물을 참고하세요.

ImageFolder 기능으로 데이터셋을 생성하는 것부터 시작합니다. 이 기능은 PIL로 인코딩된 이미지를 포함하는 image 컬럼을 생성합니다.

data_dir 또는 data_files 매개변수를 사용하여 데이터셋의 위치를 지정할 수 있습니다. data_files 매개변수는 train 또는 test와 같은 데이터셋 스플릿에 특정 파일을 매핑하는 것을 지원합니다:

from datasets import load_dataset

# example 1: local folder
dataset = load_dataset("imagefolder", data_dir="path_to_your_folder")

# example 2: local files (supported formats are tar, gzip, zip, xz, rar, zstd)
dataset = load_dataset("imagefolder", data_files="path_to_zip_file")

# example 3: remote files (supported formats are tar, gzip, zip, xz, rar, zstd)
dataset = load_dataset(
    "imagefolder",
    data_files="https://download.microsoft.com/download/3/E/1/3E1C3F21-ECDB-4869-8368-6DEBA77B919F/kagglecatsanddogs_5340.zip",
)

# example 4: providing several splits
dataset = load_dataset(
    "imagefolder", data_files={"train": ["path/to/file1", "path/to/file2"], "test": ["path/to/file3", "path/to/file4"]}
)

그 후 push_to_hub 메서드를 사용하여 Hub에 데이터셋을 업로드합니다:

# assuming you have ran the hf auth login command in a terminal
dataset.push_to_hub("name_of_your_dataset")

# if you want to push to a private repo, simply pass private=True:
dataset.push_to_hub("name_of_your_dataset", private=True)

이제 데이터셋 이름을 --dataset_name 인자에 전달하여 학습에 사용할 수 있습니다:

accelerate launch --mixed_precision="fp16"  train_text_to_image.py \
  --pretrained_model_name_or_path="stable-diffusion-v1-5/stable-diffusion-v1-5" \
  --dataset_name="name_of_your_dataset" \
  <other-arguments>

다음 단계

데이터셋을 생성했으므로, 학습 스크립트의 train_data_dir(데이터셋이 로컬에 있는 경우) 또는 dataset_name(데이터셋이 Hub에 있는 경우) 인자에 연결할 수 있습니다.

다음 단계로, 무조건 생성 또는 텍스트-이미지 생성 모델을 학습하는 데 데이터셋을 사용해 보세요!

Update on GitHub

Diffusers

학습용 데이터셋 생성

폴더로 데이터셋을 제공합니다

데이터를 Hub에 업로드

다음 단계