Sd35m Photo 1mp Prodigy

🚀 sd35m-photo-1mp-Prodigy

このアダプターは、stabilityai/stable-diffusion-3.5-medium をベースにしたLyCORISアダプターです。

学習時に使用された主な検証プロンプトは以下の通りです。

A photo-realistic image of a cat

🚀 クイックスタート

このアダプターを使用することで、高品質な画像生成が可能です。以下のセクションでは、検証設定、学習設定、推論方法などを説明します。

✨ 主な機能

• 高品質な画像生成が可能です。
• 特定の検証プロンプトを使用して学習されています。
• テキストエンコーダーは学習されていないため、ベースモデルのテキストエンコーダーを再利用できます。

📦 インストール

このアダプターを使用するには、以下の依存関係が必要です。

• diffusers
• lycoris
• optimum.quanto

これらのパッケージは、pip を使用してインストールできます。

pip install diffusers lycoris optimum.quanto

💻 使用例

基本的な使用法

import torch
from diffusers import DiffusionPipeline
from lycoris import create_lycoris_from_weights


def download_adapter(repo_id: str):
    import os
    from huggingface_hub import hf_hub_download
    adapter_filename = "pytorch_lora_weights.safetensors"
    cache_dir = os.environ.get('HF_PATH', os.path.expanduser('~/.cache/huggingface/hub/models'))
    cleaned_adapter_path = repo_id.replace("/", "_").replace("\\", "_").replace(":", "_")
    path_to_adapter = os.path.join(cache_dir, cleaned_adapter_path)
    path_to_adapter_file = os.path.join(path_to_adapter, adapter_filename)
    os.makedirs(path_to_adapter, exist_ok=True)
    hf_hub_download(
        repo_id=repo_id, filename=adapter_filename, local_dir=path_to_adapter
    )

    return path_to_adapter_file
    
model_id = 'stabilityai/stable-diffusion-3.5-medium'
adapter_repo_id = 'bghira/sd35m-photo-1mp-Prodigy'
adapter_filename = 'pytorch_lora_weights.safetensors'
adapter_file_path = download_adapter(repo_id=adapter_repo_id)
pipeline = DiffusionPipeline.from_pretrained(model_id, torch_dtype=torch.bfloat16) # loading directly in bf16
lora_scale = 1.0
wrapper, _ = create_lycoris_from_weights(lora_scale, adapter_file_path, pipeline.transformer)
wrapper.merge_to()

prompt = "A photo-realistic image of a cat"
negative_prompt = 'ugly, cropped, blurry, low-quality, mediocre average'

## Optional: quantise the model to save on vram.
## Note: The model was quantised during training, and so it is recommended to do the same during inference time.
from optimum.quanto import quantize, freeze, qint8
quantize(pipeline.transformer, weights=qint8)
freeze(pipeline.transformer)
    
pipeline.to('cuda' if torch.cuda.is_available() else 'mps' if torch.backends.mps.is_available() else 'cpu') # the pipeline is already in its target precision level
model_output = pipeline(
    prompt=prompt,
    negative_prompt=negative_prompt,
    num_inference_steps=16,
    generator=torch.Generator(device='cuda' if torch.cuda.is_available() else 'mps' if torch.backends.mps.is_available() else 'cpu').manual_seed(42),
    width=1024,
    height=1024,
    guidance_scale=3.2,
    skip_guidance_layers=[7, 8, 9],
).images[0]

model_output.save("output.png", format="PNG")

📚 ドキュメント

検証設定

• CFG: 3.2
• CFG Rescale: 0.0
• ステップ数: 16
• サンプラー: FlowMatchEulerDiscreteScheduler
• シード: 42
• 解像度: 1024x1024
• スキップレイヤーガイダンス: skip_guidance_layers=[7, 8, 9]

注意: 検証設定は 学習設定 と必ずしも同じではありません。

学習設定

• 学習エポック数: 114
• 学習ステップ数: 230
• 学習率: 5e-05
  • 学習率スケジュール: 一定
  • ウォームアップステップ数: 500
• 最大勾配値: 2.0
• 有効バッチサイズ: 3
  • マイクロバッチサイズ: 3
  • 勾配累積ステップ数: 1
  • GPU数: 1
• 勾配チェックポイント: True
• 予測タイプ: flow_matching (追加パラメータ=['shift=3.0'])
• オプティマイザー: optimi-lion
• 学習可能パラメータの精度: Pure BF16
• ベースモデルの精度: int8-quanto
• キャプションドロップアウト確率: 0.0%

LyCORIS設定

{
    "bypass_mode": true,
    "algo": "lokr",
    "multiplier": 1.0,
    "full_matrix": true,
    "linear_dim": 10000,
    "linear_alpha": 1,
    "factor": 4,
    "apply_preset": {
        "target_module": [
            "Attention",
            "FeedForward"
        ],
        "module_algo_map": {
            "FeedForward": {
                "factor": 4
            },
            "Attention": {
                "factor": 2
            }
        }
    }
}

データセット

cheechandchong

• 繰り返し数: 0
• 画像総数: 4
• アスペクトバケット総数: 1
• 解像度: 1024 px
• クロップ: True
• クロップスタイル: ランダム
• クロップアスペクト: 正方形
• 正則化データとして使用: いいえ

指数移動平均 (EMA)

SimpleTunerは、EMAの重みのsafetensorsバリアントとptファイルを生成します。

safetensorsファイルは推論に使用され、ptファイルは微調整を続けるために使用されます。

EMAモデルは、よりバランスの取れた結果を提供する可能性がありますが、通常、モデルの重みの減衰平均であるため、完全なモデルと比較すると学習不足に感じられることがあります。

📄 ライセンス

このアダプターは、他のライセンスの下で提供されています。詳細については、リポジトリのライセンスファイルを参照してください。