Buckets:
| # DreamBooth | |
| [DreamBooth](https://huggingface.co/papers/2208.12242)는 전체 가중치를 미세 조정하여 소수의 이미지(예: 내 고양이)에서 특정 주제를 학습하고, 프롬프트 내의 고유 식별자(`sks cat`)에 해당 주제를 연결함으로써 사전 학습된 모델을 특정 주제에 맞게 개인화합니다. 이후 새로운 배경, 조명, 자세, 스타일에서 해당 주제를 생성할 수 있습니다. | |
| DreamBooth 체크포인트는 전체 모델 가중치를 포함하므로 일반적으로 몇 GB 크기입니다. [from_pretrained()](/docs/diffusers/v0.43.0/ko/api/pipelines/overview#diffusers.DiffusionPipeline.from_pretrained)로 로드하고 프롬프트에 고유 식별자를 포함하여 생성을 트리거하세요. | |
| ```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] | |
| ``` | |
| 자체 체크포인트를 학습하려면 [DreamBooth 학습](../training/dreambooth)을 참고하세요. | |
Xet Storage Details
- Size:
- 1.26 kB
- Xet hash:
- 5d1ac6ecab7486634011989b58e9ea43a85b6ff807ccad910c445e0233abc50d
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.