Lcm Lora Ssd 1b

🚀 潜在整合モデル (LCM) LoRA: SSD - 1B

潜在整合モデル (LCM) LoRAは、Simian Luo, Yiqin Tan, Suraj Patil, Daniel Gu らによる LCM - LoRA: A universal Stable - Diffusion Acceleration Module で提案されました。

これは、[segmind/SSD - 1B](https://huggingface.co/segmind/SSD - 1B) 用の蒸留整合アダプタで、推論ステップ数をわずか 2 - 8ステップ に削減することができます。

🚀 クイックスタート

LCM - LoRAは、🤗 Hugging Face Diffusersライブラリのv0.23.0以降でサポートされています。モデルを実行するには、まずDiffusersライブラリの最新バージョンと、peft、accelerate、transformers をインストールします。 Hugging Face Hubからの音声データセット:

pip install --upgrade pip
pip install --upgrade diffusers transformers accelerate peft

💻 使用例

基本的な使用法

まず、ベースモデル segmind/SSD - 1B をロードします。次に、スケジューラを LCMScheduler に変更し、推論ステップ数を2から8ステップに減らすことができます。 guidance_scale を無効にするか、1.0から2.0の値を使用するようにしてください。

import torch
from diffusers import LCMScheduler, AutoPipelineForText2Image

model_id = "segmind/SSD-1B"
adapter_id = "latent-consistency/lcm-lora-ssd-1b"

pipe = AutoPipelineForText2Image.from_pretrained(model_id, torch_dtype=torch.float16, variant="fp16")
pipe.scheduler = LCMScheduler.from_config(pipe.scheduler.config)
pipe.to("cuda")

# load and fuse lcm lora
pipe.load_lora_weights(adapter_id)
pipe.fuse_lora()


prompt = "Self-portrait oil painting, a beautiful cyborg with golden hair, 8k"

# disable guidance_scale by passing 0
image = pipe(prompt=prompt, num_inference_steps=4, guidance_scale=0).images[0]

高度な使用法

画像生成

同様に動作します！ドキュメントは後日追加予定。

インペインティング

同様に動作します！ドキュメントは後日追加予定。

ControlNet

同様に動作します！ドキュメントは後日追加予定。

T2Iアダプタ

同様に動作します！ドキュメントは後日追加予定。

📄 ライセンス

このプロジェクトは、openrail++ ライセンスの下で公開されています。