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
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