🚀 simpletuner-lora-screenprinting
这是一个基于 stabilityai/stable-diffusion-3.5-large 的标准PEFT LoRA模型。它能够将文本描述转化为适合丝网印刷工艺的图像,在文本到图像的生成领域具有独特的应用价值。
🚀 快速开始
你可以参考以下代码示例进行推理:
import torch
from diffusers import DiffusionPipeline
model_id = 'stabilityai/stable-diffusion-3.5-large'
adapter_id = 'DovahChikiin72/simpletuner-lora-screenprinting'
pipeline = DiffusionPipeline.from_pretrained(model_id, torch_dtype=torch.bfloat16)
pipeline.load_lora_weights(adapter_id)
prompt = "an image apt for screenprinting process."
negative_prompt = 'blurry, cropped, ugly'
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')
model_output = pipeline(
prompt=prompt,
negative_prompt=negative_prompt,
num_inference_steps=20,
generator=torch.Generator(device='cuda' if torch.cuda.is_available() else 'mps' if torch.backends.mps.is_available() else 'cpu').manual_seed(42),
width=512,
height=512,
guidance_scale=5.0,
).images[0]
model_output.save("output.png", format="PNG")
✨ 主要特性
🔧 技术细节
验证设置
- CFG:
5.0
- CFG Rescale:
0.0
- 步数:
20
- 采样器:
FlowMatchEulerDiscreteScheduler
- 随机种子:
42
- 分辨率:
512x512
- 跳过层引导:无
注意:验证设置不一定与训练设置相同。
训练设置
- 训练轮数:0
- 训练步数:10000
- 学习率:8e-05
- 最大梯度值:2.0
- 有效批次大小:1
- 梯度检查点:启用
- 预测类型:流匹配(额外参数=['shift=3'])
- 优化器:adamw_bf16
- 可训练参数精度:Pure BF16
- 基础模型精度:
int8-quanto
- 字幕丢弃概率:5.0%
- LoRA秩:64
- LoRA Alpha:无
- LoRA丢弃率:0.1
- LoRA初始化风格:默认
数据集
my-dataset-512
- 重复次数:10
- 图像总数:735
- 纵横比桶总数:1
- 分辨率:0.262144兆像素
- 裁剪:否
- 裁剪风格:无
- 裁剪纵横比:无
- 用于正则化数据:否
my-dataset-crop-512
- 重复次数:10
- 图像总数:732
- 纵横比桶总数:1
- 分辨率:0.262144兆像素
- 裁剪:是
- 裁剪风格:居中
- 裁剪纵横比:方形
- 用于正则化数据:否
📄 许可证
许可证类型:其他