IMAGE GENERATION FRAMEWORKS EĞİTİMİ

Görüntü üreten modelleri kod ile yönetin

Stable Diffusion, Diffusers, ComfyUI, ControlNet, LoRA ince ayarı ve üretim ortamında görüntü üretim hattı kurulumu

Eğitim, görüntü üretim çerçevelerini pratikte kullanmayı anlatır. Python bilen yapay zekâ geliştiricileri, yaratıcı teknoloji ekipleri ve ürün mühendisleri için uygundur.

3 gün Orta Seviye Online / Yüz Yüze / Hibrit Sertifikalı

Eğitim Hakkında

Difüzyon modelleri için framework seçimi, ince ayar ve servisleştirme

Eğitim, görüntü üretim çerçevelerini pratikte kullanmayı anlatır. Latent diffusion mantığı, Hugging Face Diffusers pipeline'ları, scheduler seçimi, ComfyUI düğüm grafikleri, ControlNet ve IP-Adapter ile koşullandırma, LoRA ve DreamBooth ince ayarı, SDXL ve Flux modellerinin bellek optimizasyonu ve FastAPI ile servisleştirme laboratuvarlarla işlenir.

Süre ve Format

3 Gün. Her gün dört modül; 1. gün Difüzyon ve Diffusers; 2. gün ComfyUI ve Koşullandırma; 3. gün İnce Ayar ve Servisleştirme.

Seviye

Orta Seviye — Difüzyon tabanlı görüntü üretiminde Diffusers, ComfyUI ve ince ayar çerçeveleri

Öğrenme Metodu

Katılımcılar GPU'lu bir ortamda pipeline'ları kodla çalıştırır, ComfyUI grafikleri kurar ve kendi veri kümeleriyle LoRA eğitir.

Neden Bu Eğitim?

🎯Framework Seçimi

Diffusers, ComfyUI ve benzeri araçların hangi senaryoya uyduğunu karşılaştırarak seçersiniz.

🧪Kontrollü Üretim

ControlNet ve IP-Adapter ile üretimi poz, kenar ve referansla yönlendirirsiniz.

⚙️Özel Model

LoRA ile kendi stil veya nesneniz için hafif ince ayar yaparsınız.

Anahtar Konular

görüntü üretim frameworkStable Diffusion eğitimiDiffusersComfyUIControlNetLoRA ince ayarSDXLFlux modeliDreamBoothyapay zeka görsel üretim
“Görüntüyü modelin yaratması gürültüden başlar, kontrolü ise mühendis sağlar.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1
Python

Python ve pip/conda ortam yönetimi bilinmelidir.

2
PyTorch Temeli

Tensör ve model yükleme mantığı temel düzeyde bilinmelidir.

3
GPU Erişimi

En az 12 GB VRAM'li GPU veya bulut GPU hesabı önerilir.

4
Derin Öğrenme

Sinir ağı ve eğitim döngüsü kavramlarına aşinalık beklenir.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiKatılımcı difüzyon sürecini kavrar ve Diffusers ile metinden görüntü üretir.
Modül 1
Difüzyon Temelleri
  • Forward noise ve reverse denoising süreci
  • VAE ile latent uzay
  • U-Net ve metin kodlayıcı (CLIP/T5) rolü
  • Classifier-free guidance ölçeği
  • Seed, adım sayısı ve tekrar üretilebilirlik
  • SD 1.5, SDXL ve Flux model ailesi farkları
Modül 2
Diffusers Pipeline
  • StableDiffusionXLPipeline yükleme
  • from_pretrained ve torch_dtype ayarı
  • Prompt ve negative prompt kullanımı
  • Scheduler seçimi: Euler, DPM++, DDIM
  • img2img ve inpainting pipeline'ları
  • Çıktıların toplu üretimi ve kaydı
Modül 3
Bellek Optimizasyonu
  • fp16 ve bf16 hassasiyeti
  • enable_model_cpu_offload kullanımı
  • VAE tiling ve attention slicing
  • xFormers ve torch.compile
  • Nicemleme (quantization) ile Flux çalıştırma
  • VRAM tüketimi ölçümü
Modül 4
Model Yönetimi
  • Hugging Face Hub'dan model indirme
  • safetensors formatı ve güvenliği
  • Lisans ve kullanım şartlarının kontrolü
  • Checkpoint, VAE ve LoRA dosyalarının düzeni
  • Model önbellek dizini yönetimi
  • Güvenlik filtresi ve içerik politikası
Günün hedefiKatılımcı ComfyUI iş akışları kurar ve ControlNet ile üretimi yönlendirir.
Modül 1
ComfyUI Temelleri
  • Kurulum ve custom_nodes yapısı
  • KSampler, CLIP Text Encode ve VAE Decode düğümleri
  • Workflow'un JSON olarak kaydı
  • Batch ve seed kontrolü
  • ComfyUI Manager ile eklenti yönetimi
  • Upscale iş akışı
Modül 2
ControlNet ve Adapter
  • Canny, Depth ve OpenPose ControlNet
  • Ön işlemci (preprocessor) seçimi
  • Conditioning gücü ve başlangıç/bitiş aralığı
  • IP-Adapter ile görsel referans
  • Çoklu ControlNet birleştirme
  • Inpainting ile bölgesel düzenleme
Modül 3
Gelişmiş İş Akışları
  • Refiner ve iki aşamalı üretim
  • Hires fix ve latent upscale
  • Regional prompting
  • Wildcard ve prompt şablonları
  • Değişken ve batch tabanlı otomasyon
  • Workflow'u API üzerinden tetikleme
Modül 4
Kalite Değerlendirme
  • FID ve CLIP skoru kavramları
  • Prompt uyumu ve estetik skor
  • A/B karşılaştırma tabloları
  • Yaygın artefaktlar: el, metin, yüz
  • Tekrarlanabilir deney kaydı
  • Kalite için negatif prompt stratejisi
Günün hedefiKatılımcı LoRA eğitir ve modeli API olarak sunar.
Modül 1
Veri Hazırlama
  • Eğitim görüntüsü seçimi ve kırpma
  • Otomatik altyazı (BLIP/WD14 tagger)
  • Çözünürlük bucket'ları
  • Telif ve izin kontrolü
  • Veri çeşitliliği ve aşırı öğrenme riski
  • Doğrulama seti ayırma
Modül 2
LoRA ve DreamBooth
  • LoRA rank ve alpha parametreleri
  • diffusers train_dreambooth_lora_sdxl betiği
  • Öğrenme oranı ve adım sayısı
  • Prior preservation loss
  • Kohya_ss ile eğitim
  • LoRA'nın pipeline'a yüklenmesi ve ağırlık ayarı
Modül 3
Servisleştirme
  • FastAPI ile /generate uç noktası
  • Kuyruk (Celery/Redis) ile istek yönetimi
  • Model önbelleğe alma ve warm-up
  • Docker imajı ve GPU runtime
  • Çıktıların nesne depolamaya yazılması
  • İstek başına süre ve maliyet ölçümü
Modül 4
Sorumlu Kullanım
  • NSFW ve güvenlik denetleyicileri
  • Filigran ve içerik kaynağı (C2PA)
  • Deepfake riskleri
  • Veri kümesi lisansları
  • Kullanıcı girdisi filtreleme
  • Üretim ortamında izleme

Eğitim Kazanımları

Program sonunda katılımcılar:

✅
Pipeline Kurma

Diffusers ile metinden görüntü, img2img ve inpainting pipeline'ları kurabilirsiniz.

🛠️
Scheduler Seçimi

Kalite ve hız dengesine göre scheduler ve adım sayısı belirleyebilirsiniz.

📈
Bellek Yönetimi

Offload ve nicemleme ile büyük modelleri sınırlı VRAM'de çalıştırabilirsiniz.

🔍
ComfyUI Akışı

Düğüm grafikleriyle yeniden kullanılabilir iş akışları tasarlayabilirsiniz.

🧩
ControlNet

Poz ve kenar koşullandırmasıyla kontrollü görüntü üretebilirsiniz.

🚀
LoRA Eğitimi

Kendi veri kümenizle LoRA eğitip ağırlıklarını kullanabilirsiniz.

🔒
API Sunumu

Üretim hattını FastAPI ve Docker ile servisleştirebilirsiniz.

📊
Sorumlu Üretim

Lisans, güvenlik ve içerik kaynağı konularında riskleri yönetebilirsiniz.

Kimler İçin Uygundur?

  • Python bilen yapay zekâ geliştiricileri
  • yaratıcı teknoloji ekipleri
  • ürün mühendisleri için uygundur

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?
Python bilen yapay zekâ geliştiricileri, yaratıcı teknoloji ekipleri ve ürün mühendisleri için uygundur.
GPU zorunlu mu?
Uygulamalar için GPU önerilir; yoksa bulut GPU ortamı laboratuvar için kullanılır.
Hangi modeller kullanılır?
SD 1.5, SDXL ve Flux gibi açık ağırlıklı modeller lisans koşullarına dikkat edilerek kullanılır.
Kendi verimle model eğitebilir miyim?
Evet, ikinci ve üçüncü günde LoRA ve DreamBooth ile ince ayar uygulanır.
Eğitim sonunda belge verilir mi?
Digital Vizyon Akademi Katılım ve Başarı Sertifikası verilir.

Sertifikalandırma

Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika d Digital Vizyon AKADEMİ KATILIM SERTİFİKASI Bu sertifika [Katılımcı Adı Soyadı] adlı katılımcının aşağıdaki eğitim programını başarıyla tamamladığını belgeler. Image Generation Frameworks Eğitimi Sertifika Kodu DV-2026XX00 Tarih 27.10.2026 Yetkili İmza DV AKADEMİ

Eğitim Bilgileri

Süre3 gün
SeviyeOrta Seviye
FormatOnline / Yüz Yüze / Hibrit
Sertifika✓ Var
Hemen Bilgi Al
İlgili Eğitimler

Bu Eğitimle Birlikte Tercih Edilenler

Yazılım Geliştirme GenelArchitecture Capability Framework Eğitimi
Yazılım Geliştirme Eğitimleri

Architecture Capability Framework Eğitimi

2 günİleriOnline / Yüz Yüze / Hibrit

Architecture Capability Framework eğitimi: TOGAF mimari yönetişim, roller, mimari kurul, ilkeler, repository ve olgunluk modeliyle mimari yetenek kurma.

Detayları Gör →
Yazılım Geliştirme GenelArchitecture Development Method (ADM) Cycle Eğitimi
Yazılım Geliştirme Eğitimleri

Architecture Development Method (ADM) Cycle Eğitimi

3 günİleriOnline / Yüz Yüze / Hibrit

TOGAF ADM döngüsü eğitimi: Architecture Vision, iş, bilgi sistemleri ve teknoloji mimarisi, boşluk analizi, geçiş planlama ve yönetişim fazları.

Detayları Gör →
Yazılım Geliştirme GenelAssembler Language Coding Workshop Eğitimi
Yazılım Geliştirme Eğitimleri

Assembler Language Coding Workshop Eğitimi

3 günOrtaOnline / Yüz Yüze / Hibrit

Assembler language coding workshop: z/OS HLASM register, USING/DROP, DC/DS, MVC, CLC, makro yazımı, alt program bağlantısı ve dump analiziyle ana bilgisayar atö

Detayları Gör →
Yazılım Geliştirme GenelAutomated Testing & Deployment Eğitimi
Yazılım Geliştirme Eğitimleri

Automated Testing & Deployment Eğitimi

3 günOrtaOnline / Yüz Yüze / Hibrit

Otomatik test ve dağıtım eğitimi: pytest, Playwright, API testleri, GitHub Actions, Jenkins, Docker, Helm ve Kubernetes ile kesintisiz dağıtım hattı kurma.

Detayları Gör →
Yazılım Geliştirme GenelAutomation Anywhere A360 Eğitimi
Yazılım Geliştirme Eğitimleri

Automation Anywhere A360 Eğitimi

3 günOrtaOnline / Yüz Yüze / Hibrit

Automation Anywhere A360 eğitimi: Control Room, Bot Editor, Excel ve web otomasyonu, hata yönetimi, Credential Vault ve Document Automation ile RPA geliştirme.

Detayları Gör →
+90 (501) 369 40 14 WhatsApp [email protected] LinkedIn