Auraflow

文本編碼器未經過訓練，你可以重用基礎模型的文本編碼器進行推理。

訓練設置

• 訓練輪數：15
• 訓練步數：450
• 學習率：0.0001
  • 學習率調度：恆定
  • 熱身步數：500
• 最大梯度值：2.0
• 有效批量大小：1
  • 微批量大小：1
  • 梯度累積步數：1
  • GPU 數量：1
• 梯度檢查點：啟用
• 預測類型：flow_matching（額外參數=['shift=3.0', 'controlnet_enabled']）
• 優化器：adamw_bf16
• 可訓練參數精度：純 BF16
• 基礎模型精度：int8 - torchao
• 字幕丟棄概率：0.0%
• LoRA 秩：64
• LoRA Alpha：64.0
• LoRA 丟棄率：0.1
• LoRA 初始化風格：默認

數據集

antelope - data - 256

• 重複次數：0
• 圖像總數：29
• 縱橫比桶總數：1
• 分辨率：0.065536 兆像素
• 裁剪：是
• 裁剪風格：居中
• 裁剪縱橫比：方形
• 用於正則化數據：否

推理

import torch
from diffusers import DiffusionPipeline

model_id = 'terminusresearch/auraflow-v0.3'
adapter_id = 'bghira/auraflow-controlnet-lora-test'
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 = '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=4.0,
).images[0]

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

📄 許可證

本項目採用 Apache - 2.0 許可證。