Buckets:
| # DreamBooth | |
| [DreamBooth](https://huggingface.co/papers/2208.12242) personnalise un modèle pré-entraîné pour un sujet spécifique à partir de quelques images (par exemple, votre chat) en affinant l’ensemble des poids et en associant ce sujet à un identifiant unique dans le prompt (`sks cat`). Vous pouvez ensuite générer le sujet dans de nouveaux décors, éclairages, poses et styles. | |
| Les points de contrôle DreamBooth font généralement quelques Go car ils contiennent les poids complets du modèle. Chargez-les avec [from_pretrained()](/docs/diffusers/v0.43.0/fr/api/pipelines/overview#diffusers.DiffusionPipeline.from_pretrained) et incluez l'identifiant unique dans le prompt pour déclencher la génération. | |
| ```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] | |
| ``` | |
| Pour entraîner votre propre point de contrôle, consultez [Train DreamBooth](../training/dreambooth). | |
Xet Storage Details
- Size:
- 1.22 kB
- Xet hash:
- 7d696fc2aebe8d4f8bdf06742fe4f8a8a218a97661c6633c3e815ba0077798bf
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.