https://github.com/Sanster/lama-cleaner https://github.com/IDEA-Research/Grounded-Segment-Anything https://github.com/ashawkey/stable-dreamfusion https://github.com/deep-floyd/IF https://github.com/bentoml/BentoML https://github.com/bmaltais/kohya_ss ...
GitHub is where people build software. More than 150 million people use GitHub to discover, fork, and contribute to over 420 million projects.
Diffusers实操 --https://github.com/huggingface/diffusers 1.环境准备 运行以下代码安装需要的packages pip install -qq -U diffusers datasets transformers accelerate ftfy pyarrow huggingface_hub 然后访问https://huggingface.co/settings/tokens创建“WRITE”的hugging face访问权限,记录访问码。 我用的是pycharm,通...
请参考 我们的教程https://github.com/huggingface/diffusers/tree/main/examples/controlnet 4. 总结 训练ControlNet 的过程非常有趣。我们已经成功地训练了一个可以模仿真实人脸姿态的模型。然而这个模型更多是生成 3D 风格的人脸图片而不是真实人脸图片,这是由于我们使用了合成人脸的数据执行训练。当然这也让生成的...
首先我们安装各种依赖: pip install git+https://github.com/huggingface/diffusers.git transformers accelerate xformers==0.0.16 wandb huggingface-cli login wandb login 然后运行这个脚本train_controlnet.py !accelerate launch train_controlnet.py \ --pretrained_model_name_or_path="stabilityai/stable-diffusi...
近日用到了diffusers库,但是本人仅仅对Unet有简单了解,对于diffusers中使用的多种Unet类型初看一头雾水,其中加入了很多结构,所以本文解析一下库中的Unet网络源码 diffusers库:github.com/huggingface/ 解析代码位置:src/diffusers/models/unet_2d_condition.py 1. 简述 1.1 类介绍 先看注释对网络的解释:UNet2DCondition...
LoRAhttps://hf.co/blog/loraDreamBoothhttps://dreambooth.github.io/minRFhttps://github.com/cloneofsimo/minRF/ 如果需要使用该程序，首先需要确保各项设置都已完成，同时准备好一个数据集 (比如这个)。你需要安装 peft 和 bitsandbytes ，然后再开始运行训练程序:这个https://hf.co/datasets/diffusers/dog-...
DreamBooth 训练脚本: https://github.com/huggingface/diffusers/tree/main/examples/DreamBooth [3] train_deambooth.py 脚本: https://github.com/huggingface/diffusers/tree/main/examples/DreamBooth [4] Textual Inversion: https://textual-inversion.github.io/ [5] Training Stable Diffusion with Dream...
Quanto: PyTorch 量化工具包https://hf.co/blog/zh/quanto-introductionHugging Face Optimumhttps://github.com/huggingface/optimum 模型量化是 LLM 从业者必备的工具，但在扩散模型中并不算常用。Quanto 可以帮助弥补这一差距，其可以在几乎不伤害生成质量的情况下节省内存。我们基于 H100 GPU 配置进行基准测试，软件...
diffusers的源码地址为:https://github.com/huggingface/diffusers 官方文档地址:https://huggingface.co/docs/diffusers/index diffusers的安装 pip install --upgrade diffusers 关于加载预训练模型 diffusers中from_pretrained()加载模型,可以是本地模型,或从the Hugging Face Hub自动下载。