Buckets:
| # DreamBooth | |
| [DreamBooth](https://huggingface.co/papers/2208.12242) персонализирует предобученную модель под конкретный объект по нескольким изображениям (например, вашему коту), дообучая полные веса и связывая этот объект с уникальным идентификатором в промпте (`sks cat`). После этого вы можете генерировать изображения этого объекта в новых окружениях, при разном освещении, в разных позах и стилях. | |
| Чекпоинты DreamBooth обычно занимают несколько ГБ, так как содержат полные веса модели. Загружайте их с помощью [from_pretrained()](/docs/diffusers/v0.43.0/ru/api/pipelines/overview#diffusers.DiffusionPipeline.from_pretrained) и указывайте уникальный идентификатор в промпте, чтобы запустить генерацию. | |
| ```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] | |
| ``` | |
| Чтобы обучить собственную контрольную точку, см. [Обучение DreamBooth](../training/dreambooth). | |
Xet Storage Details
- Size:
- 1.66 kB
- Xet hash:
- b4d7567d38d961cb7b7ae8193817fe65550bde1d6ac6daf333cd207d6ced530e
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.