Bria 2.3, Bria 2.2 HD y Bria 2.3 Fast ahora están disponibles en Amazon SageMaker JumpStart

Esta publicación está coescrita con Bar Fingerman de Bria.

Estamos encantados de anunciar que los modelos básicos de conversión de texto a imagen (FM) Bria 2.3, 2.2 HD y 2.3 Fast de ai/” target=”_blank” rel=”noopener”>bria ai ahora están disponibles en amazon SageMaker JumpStart. Los modelos Bria se entrenan exclusivamente con datos autorizados de grado comercial, lo que proporciona altos estándares de seguridad y cumplimiento con total indemnización legal.

Estos modelos avanzados de Bria ai generan contenido visual de alta calidad y contextualmente relevante que está listo para usar en casos de uso de marketing, diseño y generación de imágenes en industrias que van desde el comercio electrónico, los medios y el entretenimiento, y los juegos hasta los bienes de consumo empaquetados y el comercio minorista.

En esta publicación, analizamos la familia de modelos de Bria, explicamos la plataforma amazon SageMaker y explicamos cómo descubrir, implementar y ejecutar inferencias en un modelo Bria 2.3 utilizando SageMaker JumpStart.

Descripción general de Bria 2.3, Bria 2.2 HD y Bria 2.3 Fast

Bria ai ofrece una familia de modelos de contenido visual de alta calidad. Estos modelos avanzados representan la vanguardia de la tecnología de IA generativa para la creación de imágenes:

• Bría 2.3 – El modelo principal ofrece contenido visual de alta calidad con fotorrealismo y detalle excepcionales, capaz de generar imágenes impresionantes con conceptos complejos en varios estilos artísticos, incluido el fotorrealismo.
• Bria 2.2 HD – Optimizado para alta definición, Bria 2.2 HD ofrece contenido visual de alta definición que satisface las exigentes necesidades de las aplicaciones de alta resolución, asegurando que cada detalle sea nítido y claro.
• Bria 2.3 Rápido – Optimizado para la velocidad, Bria 2.3 Fast genera imágenes de alta calidad a un ritmo más rápido, perfecto para aplicaciones que requieren tiempos de respuesta rápidos sin comprometer la calidad. El uso del modelo en los tipos de instancias de SageMaker g5 proporciona una latencia y un rendimiento rápidos (en comparación con Bria 2.3 y Bria 2.2 HD), y el tipo de instancia p4d proporciona el doble de latencia que la instancia g5.

Descripción general de SageMaker JumpStart

Con SageMaker JumpStart, puede elegir entre una amplia selección de FM disponibles públicamente. Los profesionales de ML pueden implementar FM en instancias dedicadas de SageMaker desde un entorno aislado de red y personalizar modelos utilizando SageMaker para el entrenamiento e implementación de modelos. Ahora puede descubrir e implementar modelos de Bria en amazon SageMaker Studio o mediante programación a través del SDK de Python de SageMaker. Esto le permite derivar controles de rendimiento del modelo y operaciones de aprendizaje automático (MLOps) con funciones de SageMaker como amazon SageMaker Pipelines, amazon SageMaker Debugger o registros de contenedores.

El modelo se implementa en un entorno seguro de AWS y bajo los controles de su nube privada virtual (VPC), lo que ayuda a brindar seguridad de los datos. Los modelos de Bria están disponibles hoy para implementación e inferencia en SageMaker Studio en 22 regiones de AWS donde SageMaker JumpStart está disponible. Los modelos Bria requerirán instancias g5 y p4.

Requisitos previos

Para probar los modelos Bria con SageMaker JumpStart, necesita los siguientes requisitos previos:

Descubra los modelos de Bria en SageMaker JumpStart

Puede acceder a los FM a través de SageMaker JumpStart en la interfaz de usuario de SageMaker Studio y el SDK de SageMaker Python. En esta sección, mostramos cómo descubrir los modelos en SageMaker Studio.

SageMaker Studio es un IDE que proporciona una única interfaz visual basada en web donde puede acceder a herramientas diseñadas específicamente para realizar todos los pasos de desarrollo de ML, desde la preparación de datos hasta la creación, el entrenamiento y la implementación de sus modelos de ML. Para obtener más detalles sobre cómo comenzar y configurar SageMaker Studio, consulte amazon SageMaker Studio.

En SageMaker Studio, puede acceder a SageMaker JumpStart eligiendo Empezar en el panel de navegación o eligiendo Empezar en el Hogar página.

En la página de inicio de SageMaker JumpStart, puede encontrar modelos previamente entrenados de centros de modelos populares. Puede buscar Bria y los resultados de la búsqueda enumerarán todas las variantes del modelo Bria disponibles. Para esta publicación, utilizamos el modelo comercial de conversión de texto a imagen de Bria 2.3.

Puede elegir la tarjeta de modelo para ver detalles sobre el modelo, como la licencia, los datos utilizados para entrenar y cómo utilizar el modelo. También tienes dos opciones, Desplegar y Vista previa de cuadernospara implementar el modelo y crear un punto final.

Suscríbase a los modelos de Bria en AWS Marketplace

cuando tu eliges Desplegarsi el modelo aún no estaba suscrito, primero debe suscribirse antes de poder implementar el modelo. Demostramos el proceso de suscripción para el modelo comercial de texto a imagen Bria 2.3. Puedes repetir los mismos pasos para suscribirte a otros modelos de Bria.

Después de elegir Suscribirse le redirigirá a la página de descripción general del modelo, donde podrá leer los detalles del modelo, los precios, el uso y otra información. Elegir Continuar suscribiéndose y acepte la oferta en la siguiente página para completar la suscripción.

Configure e implemente modelos Bria utilizando AWS Marketplace

La página de configuración ofrece tres métodos de inicio diferentes para elegir. Para esta publicación, mostramos cómo puede usar la consola SageMaker:

1. Para Método de lanzamiento disponibleseleccionar Consola SageMaker.
2. Para Regiónelige tu Región preferida.
3. Elegir Ver en amazon SageMaker.
4. Para Nombre del modelointroduzca un nombre (por ejemplo, Model-Bria-v2-3).
5. Para Rol de IAMelija una función de IAM existente o cree una nueva función que tenga adjunta la política de IAM de acceso completo de SageMaker.
6. Elegir Próximo.Los tipos de instancia recomendados para este modelo de punto final son ml.g5.2xlarge, ml.g5.12xlarge, ml.g5.48xlarge, ml.p4d.24xlarge y ml.p4de.24xlarge. Asegúrese de tener el límite de servicio a nivel de cuenta para uno o más de estos tipos de instancias para implementar este modelo. Para obtener más información, consulte Solicitar un aumento de cuota.
7. En el Variantes sección, seleccione cualquiera de los tipos de instancia recomendados proporcionados por Bria (por ejemplo, ml.g5.2xlarge).
8. Elegir Crear configuración de punto final.
   
   Debería aparecer un mensaje de éxito después de que la configuración del punto final se haya creado correctamente.
9. Elegir Próximo para crear un punto final.
   
10. En el Crear punto final ingrese el nombre del punto final (por ejemplo, Endpoint-Bria-v2-3-Model) y elige Entregar.Después de crear correctamente el punto final, se muestra en la página de puntos finales de SageMaker en la consola de SageMaker.

Configure e implemente modelos Bria usando SageMaker JumpStart

Si los modelos Bria ya están suscritos en AWS Marketplace, puede elegir Desplegar en la página de la tarjeta del modelo para configurar el punto final.

En la página de configuración del punto final, SageMaker completa previamente el nombre del punto final, el tipo de instancia recomendado, el recuento de instancias y otros detalles. Puede modificarlos según sus requisitos y luego elegir Desplegar para crear un punto final.

Después de crear exitosamente el punto final, el estado se mostrará como en servicio.

Ejecutar inferencia en SageMaker Studio

Puede probar el punto final pasando una carga útil de solicitud de inferencia de muestra en SageMaker Studio, o puede usar el cuaderno de SageMaker. En esta sección, demostramos el uso de SageMaker Studio:

1. En SageMaker Studio, en el panel de navegación, elija Puntos finales bajo Implementaciones.
2. Elija el punto final Bria que acaba de crear.
   
3. en el Inferencia de prueba pruebe el punto final enviando una solicitud de muestra.
   Puede ver la respuesta en la misma página, como se muestra en la siguiente captura de pantalla.
   

Generación de texto a imagen usando un cuaderno SageMaker

También puede utilizar un cuaderno de SageMaker para ejecutar inferencias en el punto final implementado mediante el SDK de SageMaker Python.

El siguiente código inicia el punto final que creó usando SageMaker JumpStart:

from sagemaker.predictor import Predictor
from sagemaker.serializers import JSONSerializer
from sagemaker.deserializers import JSONDeserializer

# Use the existing endpoint name
endpoint_name = "XXXXXXXX"  # Replace with your endpoint name

# Create a SageMaker predictor object
bria_predictor = Predictor(
    endpoint_name=endpoint_name,
    serializer=JSONSerializer(),
    deserializer=JSONDeserializer(),
)

bria_predictor.endpoint_name

Las respuestas del modelo están en formato codificado en base64. La siguiente función ayuda a decodificar la imagen codificada en base64 y la muestra como una imagen:

import base64
from PIL import Image
import io

def display_base64_image(base64_string):
    image_bytes = base64.b64decode(base64_string)
    image_stream = io.BytesIO(image_bytes)
    image = Image.open(image_stream)

    # Display the image
    image.show()

La siguiente es una carga útil de muestra con un mensaje de texto para generar una imagen usando el modelo Bria:

payload = {
  "prompt": "a baby riding a bicycle in a field of flowers",
  "num_results": 1,
  "sync": True
}

response = bria_predictor.predict(payload)
artifacts = response('artifacts')(0)

encoded_image = artifacts('image_base64')

display_base64_image(encoded_image)

Indicaciones de ejemplo

Puede interactuar con el modelo de texto a imagen de Bria 2.3 como cualquier modelo de generación de imágenes estándar, donde el modelo procesa una secuencia de entrada y genera una respuesta. En esta sección, proporcionamos algunos mensajes de ejemplo y resultados de muestra.

Usamos las siguientes indicaciones:

• Fotografía, dinámica, en la ciudad, skater de correo profesional, gafas de sol, tono verde azulado y naranja.
• Mujer joven con el pelo rizado que fluye se encuentra en una plataforma del metro, iluminada por las luces vibrantes de un tren a toda velocidad, colores púrpura y cian
• Primer plano de un vibrante loro azul y verde posado en una rama de madera dentro de una habitación acogedora y bien iluminada
• Movimiento a velocidad de luz con colores neón azul y morado y edificio en el fondo

El modelo genera las siguientes imágenes.

El siguiente es un ejemplo de solicitud para generar una imagen utilizando la solicitud de texto anterior:

payload = {
"prompt": "Photography, dynamic, in the city, professional mail skateboarder, sunglasses, teal and orange hue",
"num_results": 1,
"sync": True
}

response = bria_predictor.predict(payload)
artifacts = response('artifacts')(0)

encoded_image = artifacts('image_base64')

display_base64_image(encoded_image)

Limpiar

Una vez que haya terminado de ejecutar el cuaderno, elimine todos los recursos que creó en el proceso para que se detenga su facturación. Utilice el siguiente código:

predictor.delete_model()
predictor.delete_endpoint()

Conclusión

Con la disponibilidad de Bria 2.3, 2.2 HD y 2.3 Fast en SageMaker JumpStart y AWS Marketplace, las empresas ahora pueden utilizar capacidades avanzadas de IA generativa para mejorar sus procesos de creación de contenido visual. Estos modelos brindan un equilibrio entre calidad, velocidad y cumplimiento, lo que los convierte en un activo invaluable para cualquier organización que busque mantenerse a la vanguardia en el panorama competitivo.

El compromiso de Bria con la IA responsable y el sólido marco de seguridad de SageMaker brindan a las empresas el paquete completo para la privacidad de los datos, el cumplimiento normativo y modelos de IA responsable para uso comercial. Además, la experiencia integrada aprovecha las capacidades de ambas plataformas para simplificar MLOps, el almacenamiento de datos y el procesamiento en tiempo real.

Para obtener más información sobre el uso de FM en SageMaker JumpStart, consulte Entrenamiento, implementación y evaluación de modelos previamente entrenados con SageMaker JumpStart, Modelos JumpStart Foundation y Introducción a amazon SageMaker JumpStart.

¡Explore los modelos de Bria en SageMaker JumpStart hoy y revolucione su proceso de creación de contenido visual!

Acerca de los autores

Dedo de barra es el jefe de ingeniería de IA/ML en Bria. Dirige el desarrollo y la optimización de la infraestructura central, lo que permite a la empresa escalar tecnologías de IA generativa de vanguardia. Con un enfoque en el diseño de supercomputadoras de alto rendimiento para el entrenamiento de IA a gran escala, Bar lidera el grupo de ingeniería en la implementación, administración y seguridad de soluciones escalables en la nube de IA/ML. Trabaja en estrecha colaboración con equipos de liderazgo y multifuncionales para alinear los objetivos comerciales y al mismo tiempo impulsar la innovación y la rentabilidad.

Supriya Puragundla es arquitecto senior de soluciones en AWS. Tiene más de 15 años de experiencia en TI en desarrollo, diseño y arquitectura de software. Ayuda a cuentas de clientes clave en sus recorridos de datos, IA generativa y ai/ML. Le apasiona la IA basada en datos y el área de profundidad en ML e IA generativa.

Rodrigo Merino es arquitecto gerente de soluciones de IA generativa en AWS. Con más de una década de experiencia en la implementación de tecnologías emergentes, que van desde IA generativa hasta IoT, Rodrigo guía a clientes de diversas industrias para acelerar sus viajes de IA/ML y IA generativa. Se especializa en ayudar a las organizaciones a capacitar y crear modelos en AWS, así como a poner en funcionamiento soluciones de aprendizaje automático de un extremo a otro. La experiencia de Rodrigo radica en cerrar la brecha entre la tecnología de vanguardia y las aplicaciones comerciales prácticas, permitiendo a las empresas aprovechar todo el potencial de la IA e impulsar la innovación en sus respectivos campos.

Elías Maimón es arquitecto sénior de soluciones de startups en AWS y se centra en startups de IA generativa. Ayuda a las empresas emergentes a acelerar y escalar sus viajes de IA/ML guiándolas a través de la capacitación y la implementación de modelos de aprendizaje profundo en AWS. Apasionado por la IA y el emprendimiento, Eliad está comprometido a impulsar la innovación y el crecimiento en el ecosistema de startups.