Buckets:
| # DreamBooth | |
| [DreamBooth](https://huggingface.co/papers/2208.12242) personaliza um modelo pré-treinado para um sujeito específico a partir de algumas imagens (por exemplo, seu gato) ajustando todos os pesos e vinculando esse sujeito a um identificador único no prompt (`sks cat`). Em seguida, você pode gerar o sujeito em novos cenários, iluminação, poses e estilos. | |
| Os checkpoints do DreamBooth geralmente têm alguns GBs, pois contêm os pesos completos do modelo. Carregue-os com [from_pretrained()](/docs/diffusers/main/pt/api/pipelines/overview#diffusers.DiffusionPipeline.from_pretrained) e inclua o identificador único no prompt para acionar a geração. | |
| ```py | |
| import torch | |
| from diffusers import AutoPipelineForText2Image | |
| pipeline = AutoPipelineForText2Image.from_pretrained( | |
| "sd-dreambooth-library/herge-style", | |
| dtype=torch.float16 | |
| ).to("cuda") # or "mps", "xpu", "cpu" | |
| prompt = "A cute sks herge_style brown bear eating a slice of pizza, stunning color scheme, masterpiece, illustration" | |
| pipeline(prompt).images[0] | |
| ``` | |
| Para treinar seu próprio checkpoint, consulte [Treinar DreamBooth](../training/dreambooth). | |
Xet Storage Details
- Size:
- 1.15 kB
- Xet hash:
- 96b809b70cf9ac14b8186daa61a454613ada99b2008860fa1649938c379bea94
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.