Sd35m Reflow

🚀 sd35m-reflow

这是一个基于 stabilityai/stable-diffusion-3.5-medium 的标准PEFT LoRA模型。该模型主要用于文本到图像的生成任务，能够根据输入的文本描述生成高质量的图像。

🚀 快速开始

以下是使用该模型进行推理的基本步骤：

import torch
from diffusers import DiffusionPipeline

model_id = 'stabilityai/stable-diffusion-3.5-medium'
adapter_id = 'bghira/sd35m-reflow'
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 = 'blurry, cropped, ugly'

## Optional: quantise the model to save on vram.
## Note: The model was not quantised during training, so it is not necessary to quantise it 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=8,
    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=1.0,
    skip_guidance_layers=[],
).images[0]

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

✨ 主要特性

• 基于 stabilityai/stable-diffusion-3.5-medium 基础模型，生成高质量的图像。
• 文本编码器未经过训练，可复用基础模型的文本编码器进行推理。

📚 详细文档

验证设置

• CFG: 1.0
• CFG Rescale: 0.0
• 步数: 8
• 采样器: FlowMatchEulerDiscreteScheduler
• 随机种子: 42
• 分辨率: 1024x1024
• 跳过层引导: skip_guidance_layers=[],

注意：验证设置不一定与训练设置相同。

你可以在以下图库中找到一些示例图像：

训练设置

数据集

photo10k

• 重复次数: 0
• 图像总数: ~10040
• 纵横比桶总数: 2
• 分辨率: 1.048576 兆像素
• 裁剪: False
• 裁剪风格: None
• 裁剪纵横比: None
• 用于正则化数据: No

📄 许可证

本项目使用其他许可证。