Buckets:
| # Обзор | |
| 🤗 Diffusers предоставляет набор скриптов обучения для создания собственных диффузионных моделей. Все наши скрипты обучения находятся в [diffusers/examples](https://github.com/huggingface/diffusers/tree/main/examples). | |
| Каждый скрипт обучения: | |
| - **Самодостаточность**: скрипт обучения не зависит от каких-либо локальных файлов, а все пакеты, необходимые для запуска скрипта, устанавливаются из файла `requirements.txt`. | |
| - **Легко настраиваемые**: скрипты обучения служат примером того, как обучать диффузионную модель для конкретной задачи, и не будут работать «из коробки» для каждого сценария обучения. Скорее всего, вам потребуется адаптировать скрипт обучения под ваш конкретный случай. Чтобы помочь вам в этом, мы полностью раскрыли код предобработки данных и цикл обучения, чтобы вы могли модифицировать их под свои нужды. | |
| - **Доступно для новичков**: скрипты обучения разработаны так, чтобы быть понятными и простыми для начинающих, а не включать самые современные передовые методы для достижения наилучших и конкурентоспособных результатов. Любые методы обучения, которые мы считаем слишком сложными, намеренно исключаются. | |
| - **Одноцелевые**: каждый скрипт обучения специально разработан только для одной задачи, чтобы оставаться читаемым и понятным. | |
| В нашу текущую коллекцию скриптов обучения входят: | |
| | Обучение | Поддержка SDXL | Поддержка LoRA | | |
| |---|---|---| | |
| | [бесусловная генерация изображений](https://github.com/huggingface/diffusers/tree/main/examples/unconditional_image_generation) [](https://colab.research.google.com/github/huggingface/notebooks/blob/main/diffusers/training_example.ipynb) | | | | |
| | [text-to-image](https://github.com/huggingface/diffusers/tree/main/examples/text_to_image) | 👍 | 👍 | | |
| | [текстовая инверсия](https://github.com/huggingface/diffusers/tree/main/examples/textual_inversion) [](https://colab.research.google.com/github/huggingface/notebooks/blob/main/diffusers/sd_textual_inversion_training.ipynb) | | | | |
| | [DreamBooth](https://github.com/huggingface/diffusers/tree/main/examples/dreambooth) [](https://colab.research.google.com/github/huggingface/notebooks/blob/main/diffusers/sd_dreambooth_training.ipynb) | 👍 | 👍 | | |
| | [ControlNet](https://github.com/huggingface/diffusers/tree/main/examples/controlnet) | 👍 | | | |
| | [InstructPix2Pix](https://github.com/huggingface/diffusers/tree/main/examples/instruct_pix2pix) | 👍 | | | |
| | [Custom Diffusion](https://github.com/huggingface/diffusers/tree/main/examples/custom_diffusion) | | | | |
| | [T2I-Adapters](https://github.com/huggingface/diffusers/tree/main/examples/t2i_adapter) | 👍 | | | |
| | [Kandinsky 2.2](https://github.com/huggingface/diffusers/tree/main/examples/kandinsky2_2/text_to_image) | | 👍 | | |
| Эти примеры **активно** поддерживаются, поэтому, если они работают не так, как ожидается, не стесняйтесь создавать issue. Если вы считаете, что стоит включить ещё один пример обучения, мы будем рады, если вы откроете [Feature Request](https://github.com/huggingface/diffusers/issues/new?assignees=&labels=&template=feature_request.md&title=), чтобы обсудить с нами вашу идею и проверить, соответствует ли она нашим критериям: самодостаточность, простота настройки, доступность для новичков и узкая специализация. | |
| ## Установка | |
| Убедитесь, что вы можете успешно запустить последние версии примеров скриптов, установив библиотеку из исходного кода в новое виртуальное окружение: | |
| ```bash | |
| git clone https://github.com/huggingface/diffusers | |
| cd diffusers | |
| pip install . | |
| ``` | |
| Затем перейдите в папку с обучающим скриптом (например, [DreamBooth](https://github.com/huggingface/diffusers/tree/main/examples/dreambooth)) и установите зависимости из файла `requirements.txt`. Некоторые обучающие скрипты имеют отдельный файл требований для SDXL или LoRA. Если вы используете один из таких скриптов, убедитесь, что устанавливаете соответствующий ему файл требований. | |
| ```bash | |
| cd examples/dreambooth | |
| pip install -r requirements.txt | |
| # to train SDXL with DreamBooth | |
| pip install -r requirements_sdxl.txt | |
| ``` | |
| Для ускорения обучения и снижения потребления памяти мы рекомендуем: | |
| - использование PyTorch 2.0 или более поздней версии для автоматического применения [scaled dot product attention](../optimization/fp16#scaled-dot-product-attention) во время обучения (не требуется вносить изменения в код обучения) | |
| - установка [xFormers](../optimization/attention_backends) для включения энергоэффективного внимания | |
Xet Storage Details
- Size:
- 6.62 kB
- Xet hash:
- 3d686ef406e8b910ada7c856be6f92c171daaa88072668346fbbfdf4df70cfde
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.