2000 Ads

🚀 SDXL LoRA DreamBooth - LinoyTsaban/2000_ads

本项目是针对Stable Diffusion XL基础模型的LoRA适配权重，可用于生成特定风格的广告图像，为文本到图像的转换提供了独特的风格选择。

🚀 快速开始

你可以通过以下方式使用本模型：

使用用户界面（如AUTOMATIC1111、Comfy UI、SD.Next、Invoke）

• LoRA：点击 2000_ads.safetensors 此处下载 💾。
  • 将其放置在你的 models/Lora 文件夹中。
  • 在AUTOMATIC1111中，通过在提示词中添加 <lora:2000_ads:1> 来加载LoRA。在ComfyUI中，按照 常规LoRA加载方式 操作。
• 嵌入向量：点击 2000_ads_emb.safetensors 此处下载 💾。
  • 将其放置在 embeddings 文件夹中。
  • 在提示词中添加 2000_ads_emb 来使用它。例如，an ad in the style of 2000_ads_emb。 （你需要同时使用LoRA和嵌入向量，因为它们是一起训练的）

使用 🧨 diffusers库

from diffusers import AutoPipelineForText2Image
import torch
from huggingface_hub import hf_hub_download
from safetensors.torch import load_file

pipeline = AutoPipelineForText2Image.from_pretrained('stabilityai/stable-diffusion-xl-base-1.0', torch_dtype=torch.float16).to('cuda')
pipeline.load_lora_weights('LinoyTsaban/2000_ads', weight_name='pytorch_lora_weights.safetensors')
embedding_path = hf_hub_download(repo_id='LinoyTsaban/2000_ads', filename='2000_ads_emb.safetensors', repo_type="model")
state_dict = load_file(embedding_path)
pipeline.load_textual_inversion(state_dict["clip_l"], token=["<s0>", "<s1>"], text_encoder=pipeline.text_encoder, tokenizer=pipeline.tokenizer)
pipeline.load_textual_inversion(state_dict["clip_g"], token=["<s0>", "<s1>"], text_encoder=pipeline.text_encoder_2, tokenizer=pipeline.tokenizer_2)

image = pipeline('<s0><s1> ad of a llama wearing headphones').images[0]

更多详细信息，包括权重设置、合并和融合LoRAs，请查看 diffusers中加载LoRAs的文档。

✨ 主要特性

• 本模型是LinoyTsaban/2000_ads的LoRA适配权重，基于 stabilityai/stable-diffusion-xl-base-1.0 基础模型。
• 可通过用户界面（如AUTOMATIC1111、Comfy UI等）或 diffusers 库方便地使用。
• 支持特定触发词，能生成特定风格的广告图像。

📦 安装指南

下载模型

• LoRA：点击 2000_ads.safetensors 此处下载 💾，并将其放置在 models/Lora 文件夹中。
• 嵌入向量：点击 2000_ads_emb.safetensors 此处下载 💾，并将其放置在 embeddings 文件夹中。

💻 使用示例

基础用法

from diffusers import AutoPipelineForText2Image
import torch
from huggingface_hub import hf_hub_download
from safetensors.torch import load_file

pipeline = AutoPipelineForText2Image.from_pretrained('stabilityai/stable-diffusion-xl-base-1.0', torch_dtype=torch.float16).to('cuda')
pipeline.load_lora_weights('LinoyTsaban/2000_ads', weight_name='pytorch_lora_weights.safetensors')
embedding_path = hf_hub_download(repo_id='LinoyTsaban/2000_ads', filename='2000_ads_emb.safetensors', repo_type="model")
state_dict = load_file(embedding_path)
pipeline.load_textual_inversion(state_dict["clip_l"], token=["<s0>", "<s1>"], text_encoder=pipeline.text_encoder, tokenizer=pipeline.tokenizer)
pipeline.load_textual_inversion(state_dict["clip_g"], token=["<s0>", "<s1>"], text_encoder=pipeline.text_encoder_2, tokenizer=pipeline.tokenizer_2)

image = pipeline('<s0><s1> ad of a llama wearing headphones').images[0]

📚 详细文档

触发词

要触发训练概念的图像生成，在提示词中用新插入的标记替换每个概念标识符： 要触发概念 TOK → 在提示词中使用 <s0><s1>。

模型详情

• 所有 文件和版本。
• 权重使用 🧨 diffusers高级Dreambooth训练脚本 进行训练。
• 文本编码器的LoRA已启用：否。
• 关键调优已启用：是。
• 训练使用的特殊VAE：madebyollin/sdxl-vae-fp16-fix。

🔧 技术细节

本模型是基于Stable Diffusion XL基础模型的LoRA适配权重。训练过程中使用了特定的训练脚本和特殊的VAE，并且在文本编码器的LoRA和关键调优等方面有特定的设置。这些技术细节确保了模型能够生成特定风格的广告图像。

📄 许可证

本模型使用 openrail++ 许可证。