基于阿里云RDS MySQL数据库实现Stable Diffusion AI绘画

背景

阿里云计算巢产品支持部署Stable Diffusion服务，实现AI绘画，该服务生成的图片结果（包括prompt等参数及生成的图片）需要进行存储，在Stable Diffusion服务的配置中，支持直接将图片结果存储在阿里云RDS MySQL数据库中，本文介绍如何配置Stable Diffusion服务与阿里云RDS MySQL数据库，实现AI绘画。

前提条件

• 已开通阿里云账号。

• 确保账户余额充足。

  说明

  如果开通按量付费实例，则账户中余额需大于100元。

步骤一：创建Stable Diffusion服务

1. 访问计算巢管理控制台，进入Stable Diffusion服务创建界面，根据界面提示，填写如下参数，点击下一步：确认订单。

   参数	说明	取值示例
   选择模板	Stable Diffusion服务创建时已预设了两个模板，用于不同的应用场景： gpu单机版：单机部署，费用较低，但可用性较低。 gpu集群版：支持负载均衡配置，适用于大型服务场景，具有较高的可用性。 本文仅作为示例，选择gpu单机版即可。	gpu单机版
   服务实例名称	Stable Diffusion服务实例名称，可自定义。	sd-rds-test
   资源组和地域	指定创建的实例所属资源组及地域。 资源组默认即可，您也可以按需选择自定义的资源组。 地域，不建议选择中国内地地域，因为部分模型无法下载。	资源组：账号全部资源 地域：新加坡
   付费类型配置	按量付费或包年包月，按需选择即可。	按量付费
   ECS实例配置	实例类型：即ECS实例的资源规格，按实际需要选择即可。 实例密码：ECS实例的登录密码，自定义。	实例类型：ecs.gn6i-c4g1.xlarge 实例密码：ECSTestPW123! 说明 此处密码仅作为示例，请勿直接在实际业务中使用。
   登录信息	配置完成后，访问WebUI时需要使用，请妥善保管。 软件登录名：默认admin。 软件登录密码：自定义。	软件登录名：admin 软件登录密码：SDTestPW123! 说明 此处密码仅作为示例，请勿直接在实际业务中使用。
   RDS插件配置	本示例将RDS MySQL作为Stable Diffusion服务的后端存储服务，因此需要配置RDS相关配置。 开启RDS插件：固定配置为开启。 实例规格：即RDS实例的资源规格，按实际需要选择即可。 实例存储：RDS实例的存储空间大小，单位GB，按实际需要选择即可。 数据库账号名称：RDS实例的数据库账号。 实例密码：RDS实例数据库账号的密码。	开启RDS插件：开启 实例规格：mysql.n2.medium.1 实例存储：20 数据库账号名称：rdsuser 实例密码：RDSTestPW123! 说明 此处密码仅作为示例，请勿直接在实际业务中使用。
   可用区配置	交换机可用区：任意选择即可。	交换机可用区

   说明

   上述为创建Stable Diffusion服务的关键参数，其他参数选择默认即可。

2. 选中我已阅读并同意《计算巢服务协议》，点击立即创建。

3. 在左侧导航栏单击服务实例管理，即可在私有部署服务页签，查看Stable Diffusion服务的部署进度。

   

4. 等待状态变更为已部署后，点击操作列的详情，在概览页单击Endpoint。

   

5. 输入创建服务步骤设置的登录信息，Stable Diffusion服务即可正常访问。

   

步骤二：下载模型

1. 您可以前往各模型网站，下载需要的模型，本文以CHECKPOINT模型GhostMix为例，获取模型的下载链接如下：

   https://civitai.com/api/download/models/76907

2. 前往计算巢控制台，单击实例ID，进去实例概览页，点击运维管理页签，然后点击下载模型。

   

3. 在创建自定义任务页面，设置如下参数后，单击下一步。

   参数	说明	取值
   目标实例	选择该下载模型任务的目标实例。	手动选择已创建的实例。
   配置参数	选择模型或预览图：本文以模型为例，因此选择Model。 模型类型：本文使用的模型为CHECKPOINT类型。 下载方式：本文使用HTTPS文件。 文件来源：填写获取的模型下载链接。	选择模型或预览图：Model。 模型类型：CHECKPOINT 下载方式：HTTPS文件 文件来源：https://civitai.com/api/download/models/76907
   模型或预览图存储目录	保持默认即可。	本示例中默认值为：/home/models/Stable-diffusion/
   自定义模型或预览图名称	自定义。	本示例模型命名为：test.safetensors

4. 确认参数配置无误后，单击创建。您可以在运维管理中查看下载模型进度。

   

5. 当执行状态为成功时，即可访问WebUI，查看已下载的模型。

   

步骤三：AI绘画并存储到RDS MySQL数据库中

1. 在WebUI窗口中，选中Save to DataBase。选中该选项后，即表示将生成数据持久化存储到RDS MySQL数据库中。

   

2. 单击Generate，由AI自动根据模型生成图片，结果将自动保存在RDS MySQL中。

   

3. 您可以单击Images页签，查看已生成的图片，并点击Download进行下载。

   说明

   下载图片的文件后缀为.png。

   

步骤四：在RDS MySQL数据库查询

1. 前往计算巢控制台，单击实例ID，进去实例概览页，在资源页签，筛选RDS实例后，单击RDS MySQL实例ID。

   

2. 在RDS MySQL实例基本信息页，单击右上角的登录数据库。

   

3. 输入创建服务步骤设置的RDS插件配置中数据库账号名称和实例密码，进入数据库。

   说明

   如果提示账号密码不正确，可以前往RDS管理控制台重置密码。更多信息，请参见重置密码。

4. AI绘画生成的图片及相关配置参数信息已经被存储在默认数据库stable_diffusion的generated_images表中。

   

5. 您可以使用如下命令，查询详细信息。

   说明

   • RDS MySQL数据库中不仅存储了图片Base64编码后的文本数据，还存储了prompt的所有配置信息，在复用等场景下使用非常便捷。

   • 您还可以基于存储在RDS MySQL数据库中的数据，进行统计分析，实现更多业务价值。

   SELECT * FROM generated_images;

   结果示例：

   

   各字段含义如下：

   字段	含义
   prompt	提示文本或图像，该参数用于指定提示文本或图像，它对生成图像的主题或内容起着指导作用。通过提供一个具体的提示，模型可以根据该提示生成与提示相关的图像。 该参数的作用是为模型提供一个引导，帮助模型理解您的意图并生成相应的图像。通过精心设计的提示，可以获得更符合期望的图像生成结果。 您可以使用Prompt Engineering技术在生成模型中使用有针对性的提示以控制最终的生成内容。
   negative_prompt	负面提示文本或图像，用于指导生成图像时避免的主题或内容。可以用于约束生成的图像避免某些特定特征。
   steps	扩散步数，指定生成图像的迭代次数或扩散步数。每一步都会逐渐模糊图像，使其逐渐变得难以识别。通常情况下，步数越多，生成的图像越模糊。
   seed	随机种子，用于控制生成图像的随机性。通过设置相同的种子，可以重复生成相同的图像。
   sampler	采样器，用于选择生成图像时使用的采样策略。常见的采样器包括ancestral（祖先采样）和ddim（逐维度重要性采样）。
   cfg_scale	配置规模，用于调整模型的大小和生成图像的质量。较大的规模通常会产生更高质量的图像，但也需要更多的计算资源。
   size	生成图片的分辨率大小。
   model_hash	模型哈希，用于指定所使用的预训练模型的唯一标识符。
   model	模型，指定所使用的预训练模型的名称或路径。
   image_base64	生成图片的Base64编码格式。

步骤五：从数据库下载并解码

图片文件在RDS MySQL数据库中是以Base64编码的形式，存储为txt文本格式，如果需要转换为图片格式，则需要对文本进行解码，以还原为二进制数据。

本文以Python开发语言为例，解码方式如下：

1. 获取存储在数据库中的图片文本内容。

   说明

   您可以通过DMS连接数据库后，使用SELECT * FROM generated_images;命令查询表信息，在image_base64列，单击下载按钮，下载txt文件。如何通过DMS连接数据库并查询，请参见RDS数据库查询。

2. 在Python开发环境中，创建项目并运行如下示例代码。

   import base64
   
   def decode_image(txt_path, output_image_path):
       with open(txt_path, 'r') as txt_file:
           encoded_image = txt_file.read()
       decoded_image = base64.b64decode(encoded_image)
       with open(output_image_path, 'wb') as image_file:
           image_file.write(decoded_image)
   
   # txt文本的路径
   txt_path = 'D:\\test.txt'
   # 生成图片的路径
   output_image_path = 'D:\\test.jpg'
   
   # 从txt文件中读取文本并解码为图片
   decode_image(txt_path, output_image_path)

相关参考

您还可以使用RDS MySQL更多高级功能来运维AIGC相关数据。了解RDS的更多信息，请参见RDS MySQL产品简介。