Flux SuperPortrait V2 LoRA

🚀 Flux-SuperPortrait-v2-LoRA

Flux-SuperPortrait-v2-LoRA是一款用于图像生成的模型，基于LoRA技术，能根据文本提示生成高质量的人物肖像图像，适用于多种图像创作场景。

🚀 快速开始

环境设置

import torch
from pipelines import DiffusionPipeline

base_model = "black-forest-labs/FLUX.1-dev"
pipe = DiffusionPipeline.from_pretrained(base_model, torch_dtype=torch.bfloat16)

lora_repo = "strangerzonehf/Flux-SuperPortrait-v2-LoRA"
trigger_word = "Super Portrait v2"  
pipe.load_lora_weights(lora_repo)

device = torch.device("cuda")
pipe.to(device)

触发词使用

你应该使用 Super Portrait v2 来触发图像生成。

模型下载

此模型的权重以Safetensors格式提供。 点击下载，可在 “Files & versions” 标签中获取。

✨ 主要特性

• 支持文本到图像的转换，能够根据详细的文本描述生成对应的人物肖像图像。
• 提供了多种图像生成参数的设置，可灵活调整以满足不同的创作需求。
• 经过特定的训练，在特定的尺寸和宽高比下能达到最佳的生成效果。

📦 安装指南

安装过程主要是通过Python代码加载基础模型和LoRA权重，具体步骤如下：

import torch
from pipelines import DiffusionPipeline

base_model = "black-forest-labs/FLUX.1-dev"
pipe = DiffusionPipeline.from_pretrained(base_model, torch_dtype=torch.bfloat16)

lora_repo = "strangerzonehf/Flux-SuperPortrait-v2-LoRA"
trigger_word = "Super Portrait v2"  
pipe.load_lora_weights(lora_repo)

device = torch.device("cuda")
pipe.to(device)

💻 使用示例

基础用法

import torch
from pipelines import DiffusionPipeline

base_model = "black-forest-labs/FLUX.1-dev"
pipe = DiffusionPipeline.from_pretrained(base_model, torch_dtype=torch.bfloat16)

lora_repo = "strangerzonehf/Flux-SuperPortrait-v2-LoRA"
trigger_word = "Super Portrait v2"  
pipe.load_lora_weights(lora_repo)

device = torch.device("cuda")
pipe.to(device)

# 这里可以添加具体的文本提示来生成图像
prompt = f"{trigger_word}, A medium-angle shot of a young man in a gray hooded sweatshirt..."
image = pipe(prompt).images[0]
image.save("output.png")

📚 详细文档

图像生成参数

最佳尺寸与推理

推理范围

• 推荐推理步数：30 - 35

标签与训练数据

• 标签：florence2 - en（自然语言 & 英语）
• 训练使用的总图像数：29 [Flat 4K]

🔧 技术细节

该模型基于 black-forest-labs/FLUX.1-dev 基础模型，使用LoRA技术进行微调。在训练过程中，采用了特定的图像生成参数，如LR Scheduler设置为constant，Optimizer使用AdamW等。通过对29张4K图像的训练，使得模型在生成人物肖像图像方面具有较好的效果。同时，模型在特定的尺寸和宽高比下能达到最佳的生成效果，推荐的推理步数为30 - 35步。

📄 许可证

本模型遵循 creativeml-openrail-m 许可证。