Buckets:
| # Адаптация модели под новую задачу | |
| Многие диффузионные системы используют одни и те же компоненты, что позволяет адаптировать предобученную модель для одной задачи к совершенно другой. | |
| This guide will show you how to adapt a pretrained text-to-image model for inpainting by initializing and modifying the architecture of a pretrained [UNet2DConditionModel](/docs/diffusers/main/ru/api/models/unet2d-cond#diffusers.UNet2DConditionModel). | |
| ## Настройка параметров UNet2DConditionModel | |
| По умолчанию [UNet2DConditionModel](/docs/diffusers/main/ru/api/models/unet2d-cond#diffusers.UNet2DConditionModel) принимает 4 канала во [входном образце](https://huggingface.co/docs/diffusers/v0.16.0/en/api/models#diffusers.UNet2DConditionModel.in_channels). Например, загрузите предобученную модель text-to-image, такую как [`stable-diffusion-v1-5/stable-diffusion-v1-5`](https://huggingface.co/stable-diffusion-v1-5/stable-diffusion-v1-5), и посмотрите на количество `in_channels`: | |
| ```py | |
| from diffusers import StableDiffusionPipeline | |
| pipeline = StableDiffusionPipeline.from_pretrained("stable-diffusion-v1-5/stable-diffusion-v1-5", use_safetensors=True) | |
| pipeline.unet.config["in_channels"] | |
| 4 | |
| ``` | |
| Для инпейнтинга требуется 9 каналов во входном образце. Вы можете проверить это значение в предобученной модели инпейнтинга, например [`stable-diffusion-v1-5/stable-diffusion-inpainting`](https://huggingface.co/stable-diffusion-v1-5/stable-diffusion-inpainting): | |
| ```py | |
| from diffusers import StableDiffusionPipeline | |
| pipeline = StableDiffusionPipeline.from_pretrained("stable-diffusion-v1-5/stable-diffusion-inpainting", use_safetensors=True) | |
| pipeline.unet.config["in_channels"] | |
| 9 | |
| ``` | |
| Чтобы адаптировать вашу модель text-to-image для inpainting, вам нужно изменить количество `in_channels` с 4 на 9. | |
| Инициализируйте [UNet2DConditionModel](/docs/diffusers/main/ru/api/models/unet2d-cond#diffusers.UNet2DConditionModel) с весами предобученной модели text-to-image и измените `in_channels` на 9. Изменение количества `in_channels` требует установки `ignore_mismatched_sizes=True` и `low_cpu_mem_usage=False`, чтобы избежать ошибки несовпадения размеров, так как форма теперь отличается. | |
| ```py | |
| from diffusers import AutoModel | |
| model_id = "stable-diffusion-v1-5/stable-diffusion-v1-5" | |
| unet = AutoModel.from_pretrained( | |
| model_id, | |
| subfolder="unet", | |
| in_channels=9, | |
| low_cpu_mem_usage=False, | |
| ignore_mismatched_sizes=True, | |
| use_safetensors=True, | |
| ) | |
| ``` | |
| Предобученные веса остальных компонентов модели text-to-image инициализируются из их контрольных точек, однако веса входных каналов (`conv_in.weight`) в `unet` инициализируются случайным образом. Важно дообучить модель для inpainting, иначе она будет возвращать шум. | |
Xet Storage Details
- Size:
- 3.52 kB
- Xet hash:
- ac38e9e222c3d60b9efeb0cf0504013a9c89845e5cf389ef1f8511b720d9fa98
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.