Diffusers documentation
DreamBooth
Comenzar
Inferencia
Uso de pipelines de difusión
Adaptadores y personalización
Optimizar y escalar
Rendimiento básico
Velocidad y memoria
Inferencia distribuida
Cuantización
Aceleración específica del hardware
Métodos de la comunidad
Diffusers modulares
Entrenar y ajustar
Recursos
Contribuir
API
You are viewing main version, which requires installation from source. If you'd like
regular pip install, checkout the latest stable version (v0.43.0).
DreamBooth
DreamBooth personaliza un modelo preentrenado para un sujeto específico a partir de unas pocas imágenes (por ejemplo, tu gato) ajustando los pesos completos y vinculando ese sujeto a un identificador único en el prompt (sks cat). Luego puedes generar el sujeto en nuevos entornos, con distintas luces, poses y estilos.
Los puntos de control de DreamBooth suelen ocupar unos pocos GB porque contienen los pesos completos del modelo. Cargalos con from_pretrained() e incluye el identificador único en el prompt para activar la generación.
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]
Para entrenar tu propio punto de control, consulta Entrenar DreamBooth.
Update on GitHub