Průvodce: Jak spustit Stable Beluga na počítači s 32GB RAM

Stable Beluga je moderní nástroj pro generování obrazů založený na technologii AI. V tomto průvodci vám ukážeme, jak spustit Stable Beluga na počítači s 32GB RAM, krok za krokem.

Požadavky

Před zahájením instalace ujistěte se, že váš systém splňuje následující požadavky:

Operační systém: Windows 10/11 nebo Linux (doporučený Ubuntu 20.04 LTS)
Procesor: Intel i7 nebo novější / AMD Ryzen 7 nebo novější
Operační paměť: 32GB
Grafická karta: NVIDIA RTX 2060 nebo novější (s alespoň 8GB paměti GPU)
Místo na disku: 50GB volného místa

Instalace závislostí

Na systému Windows

Nainstalujte ovladače pro grafickou kartu:
- Stáhněte nejnovější ovladače pro vaši grafickou kartu z oficiálních stránek NVIDIA.
- Proveďte instalaci podle pokynů výrobce.
Nainstalujte Python:
- Stáhněte a nainstalujte Python 3.8 nebo novější z oficiálních stránek python.org.
- Ujistěte se, že zaškrtnete možnost "Add Python to PATH" během instalace.
Nainstalujte Git:
- Stáhněte a nainstalujte Git z oficiálních stránek git-scm.com.

Na systému Linux (Ubuntu 20.04 LTS)

Aktualizujte systém:
```
sudo apt update && sudo apt upgrade -y
```

Nainstalujte ovladače NVIDIA:

sudo apt install nvidia-driver-470
sudo reboot

Nainstalujte Python a Git:

sudo apt install python3 python3-pip git

Klonování repozitáře Stable Beluga

Otevřete terminál (nebo příkazový řádek v Windows).

Vykonajte následující příkaz:

git clone https://github.com/stability-ai/stable-beluga.git
cd stable-beluga

Instalace Python závislostí

Vytvořte a aktivujte virtuální prostředí:

python -m venv venv
source venv/bin/activate  # Na Windows: venv\Scripts\activate

Nainstalujte požadované balíčky:
```
pip install -r requirements.txt
```

Konfigurace Stable Beluga

Zkopírujte konfigurační soubor:
```
cp config.example.yaml config.yaml
```

Upravte soubor config.yaml v textovém editoru, např. VS Code:

model:
  name: "stable-beluga"
  path: "models/stable-beluga.safetensors"
device: "cuda"  # Použijte "cpu", pokud nemáte grafickou kartu
precision: "fp16"  # Můžete změnit na "fp32", pokud máte dostatek paměti

Stahování modelu

Stáhněte model Stable Beluga z oficiálního repozitáře:
```
wget https://example.com/models/stable-beluga.safetensors -P models/
```
(Nahradte URL adresou aktuálního modelu.)

Spuštění Stable Beluga

Spusťte hlavní skript:
```
python main.py
```
V případě problémů s pamětí, zkuste snížit velikost batchu v souboru config.yaml:
```
batch_size: 1  # Výchozí 4, snížte, pokud je to nutné
```

Příklady použití

Generování obrazu

from stable_beluga import StableBeluga

model = StableBeluga.from_config("config.yaml")
prompt = "Astronaut riding a horse on Mars"
image = model.generate(prompt)
image.save("output.png")

Generování série obrazů

prompts = [
    "Sunset over the ocean",
    "Forest in autumn",
    "City skyline at night"
]

for prompt in prompts:
    image = model.generate(prompt)
    image.save(f"{prompt.replace(' ', '_')}.png")

Optimalizace paměti

Pokud narazíte na problémy s pamětí, zkuste následující řešení:

Snížení velikosti batchu:
```
batch_size: 1
```
Použití přesnosti fp32:
```
precision: "fp32"
```
Vypnutí gradientů:
```
enable_gradients: false
```

Řešení problémů

Chyba paměti GPU

Pokud obdržíte chybu paměti GPU, zkuste:

Snížit výstupní rozlišení:

output_size: [512, 512]  # Snížte na [256, 256], pokud je to nutné

Použít menší model:
```
model:
  name: "stable-beluga-small"
```

Chyba závislostí

Pokud narazíte na problémy se závislostmi, zkuste:

Aktualizovat pip:
```
pip install --upgrade pip
```

Nainstalovat balíčky ručně:

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113

Shrnutí

V tomto průvodci jsme vám ukázali, jak spustit Stable Beluga na počítači s 32GB RAM. Pamatujte, že optimalizace paměti může být nutná v závislosti na vašem hardwaru. Díky těmto krokům byste měli být schopni generovat obrazy vysoké kvality pomocí Stable Beluga.

Pokud máte další otázky nebo narazíte na problémy, navštivte oficiální fórum Stable Beluga nebo repozitář GitHub.