清明时节雨纷纷，AI达人用Bedrock（第一季）

本文主要是介绍清明时节雨纷纷，AI达人用Bedrock（第一季），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

今天是清明小长假第一天，没有外出踏青，在家体验Amazon Bedrock的强大能力。Amazon Bedrock是专门为创新者量身打造的平台，它提供了构建生成式人工智能应用程序所需的一切。

这次我主要尝试的是通过 Amazon Bedrock 里的 Stability AI SDXL 1.0进行AI绘画。其实我最初冲着Claude 3去的，但可惜无法使用，被欺骗了感情！

好在Bedrock没有辜负我。它是一项完全托管的服务，通过单个 API 提供来自 AI21 Labs、Anthropic、Cohere、Meta、Stability AI 和 Amazon TiTan 等领先人工智能公司的高性能基础模型（FM），以及通过安全性、隐私性和负责任的 AI 构建生成式人工智能应用程序所需的一系列广泛功能。

一、登录操作界面

二、体验 Stability AI SDXL 1.0模型

1、选择Amazon Bedrock Stability AI SDXL 1.0模型

选择左侧菜单栏中，选择操场中的图像功能，

勾选所需要的模型

2、体验Stability AI SDXL 1.0模型

1 文生图

操作	内容
提示词	a beautiful mountain landscape
提示强度	10
生成步骤	30
种子	10

2 图生图

点击图片，选择编辑功能，从Edit模式切换至Generate模式,输入提示词、高级配置等

操作	内容
提示词	add denser number of trees, extend lake210
负面提示词	poorly rendered,poor background details,poorly drawn mountains,disfigured mountain features
提示强度	30
生成步骤	50
种子	321

3 图像编辑

将模式切换至Edit模式 并选择需要替换的区域. 输入提示词、选择提示强度，生成图片

操作	内容
提示词	add a bird
提示强度	10

三、体验调用Stability AI SDXL 1.0 API

1、使用Amazon Cloud 9

1、打开Amazon Cloud 9 实验环境

打开控制台，搜索Cloud9

选择创建环境

设置环境详细信息

设置名称为 bedrock
设置实例类型 t3.small
平台 Ubuntu Server 22.04 LTS
超时 30 分钟

2、打开Amazon Cloud9 IDE中终端

复制以下内容到终端，执行命令，以下载和解压缩代码

cd ~/environment/
curl 'https://csdn-1320873278.cos.ap-nanjing.myqcloud.com/workshop.zip' --output workshop.zip
unzip workshop.zip

安装实验所需的环境依赖项

pip3 install -r ~/environment/workshop/setup/requirements.txt -U

选择 workshop/labs/api/bedrock_api.py 编写代码

import json
import boto3
import base64
import os
from PIL import Image
import iosession = boto3.Session()
bedrock = session.client(service_name='bedrock-runtime')  # creates a Bedrock client
bedrock_model_id = "stability.stable-diffusion-xl"  # set the foundation model
prompt =  "a beautiful mountain landscape"  # the prompt to send to the model
seed = 100body = json.dumps({"text_prompts": [{"text": prompt}],"seed": seed,"cfg_scale": 10,"steps": 30,
})  # build the request payload# send the payload to Bedrock
response = bedrock.invoke_model(body=body, modelId=bedrock_model_id, accept='application/json', contentType='application/json')# read the response
response_body = json.loads(response.get('body').read())base64_image_data = response_body.get("artifacts")[0]["base64"]print(f"{base64_image_data[0:80]}...")# Convert base64 image data to an image and save it to a file
image_data = base64.b64decode(base64_image_data)os.makedirs("data", exist_ok=True)image = Image.open(io.BytesIO(image_data))image.save('data/sd_generated_image.jpg')

保存文件，并在命令行处执行代码：