Hidream5m Photo 1mp Prodigy

🚀 hidream5m-photo-1mp-Prodigy

このプロジェクトは、HiDream-ai/HiDream-I1-Full をベースにしたLyCORISアダプターです。主に以下の検証用プロンプトを使用して訓練されています。

An ugly hillbilly woman with missing teeth and a mediocre smile

🚀 クイックスタート

このアダプターを使用することで、ベースモデルの性能を向上させることができます。以下に、推論の基本的な手順を示します。

✨ 主な機能

• 特定のプロンプトを使用した高精度な画像生成
• 訓練設定と検証設定の分離による柔軟な運用

📦 インストール

インストールに関する具体的なコマンドは提供されていないため、このセクションをスキップします。

💻 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 = 'HiDream-ai/HiDream-I1-Full'
adapter_repo_id = 'bghira/hidream5m-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 = "An ugly hillbilly woman with missing teeth and a mediocre smile"
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=30,
    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=3.0,
).images[0]

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

📚 ドキュメント

検証設定

注意: 検証設定は 訓練設定 と必ずしも同じではありません。

訓練設定

• 訓練エポック数: 1
• 訓練ステップ数: 20
• 学習率: 5e-05
  • 学習率スケジュール: cosine
  • ウォームアップステップ数: 400000
• 最大勾配値: 0.0
• 有効バッチサイズ: 1
  • マイクロバッチサイズ: 1
  • 勾配蓄積ステップ数: 1
  • GPU数: 1
• 勾配チェックポインティング: 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: 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: 10.0%

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"
        ],
        "module_algo_map": {
            "Attention": {
                "factor": 24
            }
        }
    }
}

データセット

cheechandchong-1024

• 繰り返し数: 0
• 画像総数: 17
• アスペクトバケット総数: 1
• 解像度: 1.048576メガピクセル
• クロップ: True
• クロップスタイル: random
• クロップアスペクト: square
• 正則化データとしての使用: No

🔧 技術詳細

テキストエンコーダは訓練されていません。推論時にはベースモデルのテキストエンコーダを再利用することができます。

📄 ライセンス

ライセンス情報: other