在保存模型时,脚本同样会先用去噪模型model构建一个流水线,再调用流水线的保存方法save_pretrained将扩散模型的所有组件(去噪模型、噪声调度器)保存下来。 if epoch % args.save_model_epochs == 0 or epoch == args.num_epochs - 1: # save the model unet = accelerator.
# 保存image_pipe image_pipe.save_pretrained("00zuxuezhixin/diffusers_practice/butterflies_my_pipeline") 生成的图像: 管线的文件如下:scheduler和unet子文件夹包含了生成图像所需要的全部组件。可以将其上传到Hugging face hub上和他人共享哈哈,或者通过API检查代码来实现这个操作。 方法2通过采样循环 # 生成随机噪...
qfloat8model = PixArtTransformer2DModel.from_pretrained("PixArt-alpha/PixArt-Sigma-XL-2-1024-MS", subfolder="transformer")qmodel = QuantizedPixArtTransformer2DModel.quantize(model, weights=qfloat8)qmodel.save_pretrained("pixart-sigma-fp8")此...
save_pretrained(config.output_dir) Distributed inference 1 Accelerate 代码语言:javascript 代码运行次数:0 运行 AI代码解释 from accelerate import PartialState from diffusers import DiffusionPipeline pipeline = DiffusionPipeline.from_pretrained( "runwayml/stable-diffusion-v1-5", torch_dtype=torch.float16,...
python ./scripts/convert_original_stable_diffusion_to_diffusers.py --checkpoint_path xxx.ckpt --dump_path save_dir 转换完成后，可直接利用 diffusers 的 API 进行模型加载 from diffusers import StableDiffusionPipeline pipeline = StableDiffusionPipeline.from_pretrained (save_dir,torch_dtype=torch.float...
torch_dtype=torch.bfloat16,)pipe = StableDiffusion3Pipeline.from_pretrained("stabilityai/stable-diffusion-3.5-large", transformer=transformer, torch_dtype=torch.bfloat16,)pipe.enable_model_cpu_offload()image = pipe("a cat holding a sign that says hello world").images[]image.save("sd3...
model=PixArtTransformer2DModel.from_pretrained("PixArt-alpha/PixArt-Sigma-XL-2-1024-MS",subfolder="transformer")qmodel=QuantizedPixArtTransformer2DModel.quantize(model,weights=qfloat8)qmodel.save_pretrained("pixart-sigma-fp8") 此代码生成的 checkpoint 大小为 587MB ,而不是原本的 2.44GB。然后我们可以...
pipe.save_pretrained( './model1' ) #保存模型到本地 paddle.device.cuda.empty_cache()pipe = stablediffusioninpaintpipeline.from_pretrained( "stabilityai/stable-diffusion-2-inpainting" )pipe.save_pretrained( './model2' )paddle.device.cuda.empty_cache()pipe = paintbyexamplepipeline.from_pretrained...
save_pretrained 该方法接受一个本地目录路径，Pipelines的所有模型或组件都将被保存到该目录下。对于每个模型或组件，都会在给定目录下创建一个子文件夹。同时model_index.json文件将会创建在本地目录路径的根目录下，以便可以再次从本地路径实例化整个Pipelines。call Pipelines在推理时将调用该方法。该方法定义了...
qmodel.save_pretrained("pixart-sigma-fp8") 此代码生成的 checkpoint 大小为587MB,而不是原本的 2.44GB。然后我们可以加载它: fromoptimum.quantoimportQuantizedPixArtTransformer2DModel importtorch transformer = QuantizedPixArtTransformer2DModel.from_pretrained("pixart-sigma-fp8") ...