FLUX.1 Dev

🚀 flux-controlnet-lora-test

这是一个基于 black-forest-labs/flux.1-dev 的 ControlNet PEFT LoRA。

本项目可实现文本到图像的转换，通过特定的训练和设置，能生成高质量的图像。

🚀 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 = 'black-forest-labs/flux.1-dev'
adapter_id = 'bghira/flux-controlnet-lora-test'
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"


## Optional: quantise the model to save on vram.
## Note: The model was quantised during training, and so it is recommended to do the same 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,
    num_inference_steps=16,
    generator=torch.Generator(device='cuda' if torch.cuda.is_available() else 'mps' if torch.backends.mps.is_available() else 'cpu').manual_seed(42),
    width=256,
    height=256,
    guidance_scale=4.0,
).images[0]

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

✨ 主要特性

• 基于 black-forest-labs/flux.1-dev 模型衍生，可实现文本到图像、图像到图像的转换。
• 训练过程中使用特定的验证提示和设置，以保证模型效果。
• 文本编码器未进行训练，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：4.0
• CFG 重缩放：0.0
• 步数：16
• 采样器：FlowMatchEulerDiscreteScheduler
• 种子：42
• 分辨率：256x256
• 跳过层引导：

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

antelope-data-256

🔧 技术细节

• 本项目是基于 ControlNet PEFT LoRA 技术，从 black-forest-labs/flux.1-dev 模型派生而来。
• 在训练过程中，使用了特定的预测类型 flow_matching 以及相关的额外参数，并且采用了 adamw_bf16 优化器和 Pure BF16 的可训练参数精度，以提高训练效率和模型性能。
• 文本编码器在训练中未进行训练，可直接复用基础模型的文本编码器进行推理，减少了训练成本和计算资源的消耗。

📄 许可证

本项目使用其他许可证。