Buckets:
| # Устаревшие контрольные точки | |
| Эти настройки в основном применяются к более ранним чекпоинтам семейства Stable Diffusion. | |
| ## Проверщик безопасности | |
| Diffusers предоставляет [проверщик безопасности](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/stable_diffusion/safety_checker.py) для старых контрольных точек Stable Diffusion, чтобы предотвратить генерацию вредоносного контента. Он проверяет сгенерированный вывод на соответствие набору заранее заданных вредоносных концепций. Более новые модели, такие как Qwen-Image, не имеют такого проверщика. | |
| Если вы хотите отключить проверку безопасности, передайте `safety_checker=None` в [from_pretrained()](/docs/diffusers/v0.43.0/ru/api/pipelines/overview#diffusers.DiffusionPipeline.from_pretrained), как показано ниже. | |
| ```py | |
| from diffusers import DiffusionPipeline | |
| pipeline = DiffusionPipeline.from_pretrained( | |
| "stable-diffusion-v1-5/stable-diffusion-v1-5", safety_checker=None | |
| ) | |
| """ | |
| You have disabled the safety checker for <class 'diffusers.pipelines.stable_diffusion.pipeline_stable_diffusion.StableDiffusionPipeline'> by passing `safety_checker=None`. Ensure that you abide by the conditions of the Stable Diffusion license and do not expose unfiltered results in services or applications open to the public. Both the diffusers team and Hugging Face strongly recommend keeping the safety filter enabled in all public-facing circumstances, disabling it only for use cases that involve analyzing network behavior or auditing its results. For more information, please have a look at https://github.com/huggingface/diffusers/pull/254 . | |
| """ | |
| ``` | |
| ## Масштабирование расписаний | |
| Денойзинг начинается с чистого шума, поэтому отношение сигнал/шум (SNR) изначально равно нулю. Некоторые модели на самом деле не начинают с чистого шума, из-за чего трудно генерировать яркие и тёмные крайности. | |
| > [!TIP] | |
| > Обучите собственную модель с `v_prediction`, добавив флаг `--prediction_type="v_prediction"` в скрипт обучения. Также можно [найти](https://huggingface.co/search/full-text?q=v_prediction&type=model) существующие модели, обученные с `v_prediction`. | |
| Для модели `v_prediction` включите эти аргументы планировщика. | |
| - Установите `rescale_betas_zero_snr=True`, чтобы пересчитать расписание шума для последнего шага с точно нулевым SNR | |
| - Установите `timestep_spacing="trailing"`, чтобы принудительно выполнять выборку из последнего временного шага с чистым шумом | |
| ```py | |
| from diffusers import DiffusionPipeline, DDIMScheduler | |
| pipeline = DiffusionPipeline.from_pretrained("ptx0/pseudo-journey-v2", device_map="cuda") # or "mps", "xpu", "cpu" | |
| pipeline.scheduler = DDIMScheduler.from_config( | |
| pipeline.scheduler.config, rescale_betas_zero_snr=True, timestep_spacing="trailing" | |
| ) | |
| ``` | |
| Установите `guidance_rescale` в пайплайне, чтобы избежать пересвеченных изображений. Более низкое значение повышает яркость, но некоторые детали могут выглядеть вымытыми. | |
| ```py | |
| prompt = """ | |
| cinematic photo of a snowy mountain at night with the northern lights aurora borealis | |
| overhead, 35mm photograph, film, professional, 4k, highly detailed | |
| """ | |
| image = pipeline(prompt, guidance_rescale=0.7).images[0] | |
| ``` | |
| без нулевого SNR | |
| с нулевым SNR и отступом в конце | |
Xet Storage Details
- Size:
- 4.31 kB
- Xet hash:
- caef7b018afd78208afa97be583cca1572d9f85fb672c8b330df0878e4830e2e
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.