Face Lora Sd15

🚀 pytorch_lora_weights.safetensors

本模型是基于Stable Diffusion架构微调的模型，借助低秩自适应（LoRA）技术，使用CelebA - HQ和FFHQ这两个以高质量人脸图像著称的数据集进行训练，可用于生成高质量的人脸图像。

🚀 快速开始

本模型是Stable Diffusion架构的微调版本，利用了低秩自适应（LoRA）技术。它使用CelebA - HQ和FFHQ数据集进行训练，这两个数据集都以其高质量的人脸图像而闻名。

✨ 主要特性

• 微调架构：基于Stable Diffusion架构进行微调，能更好地适应特定任务。
• LoRA技术：采用低秩自适应（LoRA）技术，提高训练效率和模型性能。
• 优质数据集：使用CelebA - HQ和FFHQ数据集训练，保证生成人脸图像的质量。

📦 安装指南

暂未提供具体安装命令，跳过此章节。

💻 使用示例

基础用法

import torch
from diffusers import StableDiffusionPipeline,UNet2DConditionModel

pipeline = StableDiffusionPipeline.from_pretrained("runwayml/stable-diffusion-v1-5").to("cuda")

pipeline.load_lora_weights("phil329/face_lora_sd15", weight_name="pytorch_lora_weights.safetensors")

NEGATIVE_PROMPT = "worst quality, low quality, bad anatomy, watermark, text, blurry, cartoon, unreal"
text = 'A young woman with smile, wearing a purple hat.'

lora_image = pipeline(text,negative_prompt=NEGATIVE_PROMPT).images[0]

display(lora_image)

高级用法

暂未提供高级用法的代码示例，跳过此部分。

📚 详细文档

训练详情

示例用法

使用以下四个提示进行图像生成：

• 'A young woman with smile, wearing a purple hat.'
• 'A middle - aged man,beard ,attractive'
• 'A girl with long blonde hair'
• 'An young man with curry hair'

负提示与示例代码中的相同。所有结果都是随机生成的，并非经过挑选的。

如果生成效果不佳，可以尝试添加负提示，或者尝试不同的提示和种子。

🔧 技术细节

本模型基于Stable Diffusion架构，通过低秩自适应（LoRA）技术进行微调。使用CelebA - HQ和FFHQ数据集进行训练，这些数据集包含大量高质量的人脸图像，有助于模型学习到丰富的人脸特征。在训练过程中，将分辨率设置为512*512，以实现详细的面部合成。

📄 许可证

本模型采用MIT许可证。