Sd35m Reflow

🚀 sd35m-reflow

這是一個基於 stabilityai/stable-diffusion-3.5-medium 的標準PEFT LoRA模型。該模型主要用於文本到圖像的生成任務，能夠根據輸入的文本描述生成高質量的圖像。

🚀 快速開始

以下是使用該模型進行推理的基本步驟：

import torch
from diffusers import DiffusionPipeline

model_id = 'stabilityai/stable-diffusion-3.5-medium'
adapter_id = 'bghira/sd35m-reflow'
pipeline = DiffusionPipeline.from_pretrained(model_id, torch_dtype=torch.bfloat16) # loading directly in bf16
pipeline.load_lora_weights(adapter_id)

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

## Optional: quantise the model to save on vram.
## Note: The model was not quantised during training, so it is not necessary to quantise it 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=8,
    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=1.0,
    skip_guidance_layers=[],
).images[0]

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

✨ 主要特性

• 基於 stabilityai/stable-diffusion-3.5-medium 基礎模型，生成高質量的圖像。
• 文本編碼器未經過訓練，可複用基礎模型的文本編碼器進行推理。

📚 詳細文檔

驗證設置

• CFG: 1.0
• CFG Rescale: 0.0
• 步數: 8
• 採樣器: FlowMatchEulerDiscreteScheduler
• 隨機種子: 42
• 分辨率: 1024x1024
• 跳過層引導: skip_guidance_layers=[],

注意：驗證設置不一定與訓練設置相同。

你可以在以下圖庫中找到一些示例圖像：

訓練設置

數據集

photo10k

• 重複次數: 0
• 圖像總數: ~10040
• 縱橫比桶總數: 2
• 分辨率: 1.048576 兆像素
• 裁剪: False
• 裁剪風格: None
• 裁剪縱橫比: None
• 用於正則化數據: No

📄 許可證

本項目使用其他許可證。