Buckets:
| # DreamBooth | |
| [DreamBooth](https://huggingface.co/papers/2208.12242), birkaç görüntüden (örneğin, kedinizden) belirli bir konuya önceden eğitilmiş bir modeli, tam ağırlıkları ince ayarlayarak ve bu konuyu istemdeki benzersiz bir tanımlayıcıya (`sks cat`) bağlayarak kişiselleştirir. Ardından, konuyu yeni ortamlarda, aydınlatmalarda, pozlarda ve stillerde üretebilirsiniz. | |
| DreamBooth kontrol noktaları, tam model ağırlıklarını içerdiğinden genellikle birkaç GB boyutundadır. Bunları [from_pretrained()](/docs/diffusers/v0.43.0/tr/api/pipelines/overview#diffusers.DiffusionPipeline.from_pretrained) ile yükleyin ve üretimi tetiklemek için istemde benzersiz tanımlayıcıyı kullanın. | |
| ```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] | |
| ``` | |
| Kendi kontrol noktanızı eğitmek için [DreamBooth Eğitimi](../training/dreambooth) bölümüne bakın. | |
Xet Storage Details
- Size:
- 1.21 kB
- Xet hash:
- 00b6a7a3b802e561581b664c01aff5cf77759307d1cf3085c37fdc986244daa6
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.