simpletuner-lora-schedulefree
bghira
Texto a imagen
Este es un adaptador LyCORIS derivado de black-forest-labs/FLUX.1-dev. El principal prompt de validación utilizado durante el entrenamiento fue: Una imagen foto-realista de un gato.
Como usar
import torch
from diffusers import DiffusionPipeline
from lycoris import create_lycoris_from_weights
model_id = 'black-forest-labs/FLUX.1-dev'
adapter_id = 'pytorch_lora_weights.safetensors' # tendrás que descargar este archivo manualmente
lora_scale = 1.0
wrapper, _ = create_lycoris_from_weights(lora_scale, adapter_id, pipeline.transformer)
wrapper.merge_to()
prompt = "Una imagen foto-realista de un gato"
pipeline.to('cuda' if torch.cuda.is_available() else 'mps' if torch.backends.mps.is_available() else 'cpu')
image = pipeline(
prompt=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(1641421826),
width=1776,
height=512,
guidance_scale=3.0,
).images[0]
image.save("output.png", format="PNG")
Funcionalidades
- CFG: 3.0
- CFG Rescale: 0.0
- Pasos: 20
- Sampler: Ninguno
- Semilla: 42
- Resolución: 1776x512
- Épocas de entrenamiento: 7
- Pasos de entrenamiento: 3000
- Tasa de aprendizaje: 0.0001
- Batch efectivo: 6
- Micro-batch: 2
- Pasos de acumulación de gradiente: 1
- Número de GPUs: 3
- Tipo de predicción: flow-matching
- Betas reescaladas cero SNR: Falso
- Optimizador: adamw_schedulefree+aggressiveweight_decay=1e-3
- Precisión: bf16
- Cuantizado: Sí (fp8-quanto)
- Xformers: No usado
Casos de uso
- Generar imágenes foto-realistas de gatos basados en prompts.
- Crear variantes de tiras cómicas de Garfield.