Diffusers documentation
DreamBooth
Comece agora
Inferência
Usando pipelines de difusão
Adaptadores e personalização
Otimizar e escalar
Desempenho básico
Velocidade e memória
Inferência distribuída
Quantização
Aceleração específica de hardware
Métodos da comunidade
Diffusers modulares
Treinar e ajustar finamente
Recursos
Contribuir
API
DreamBooth
DreamBooth personaliza um modelo pré-treinado para um sujeito específico a partir de algumas imagens (por exemplo, seu gato) ajustando todos os pesos e vinculando esse sujeito a um identificador único no prompt (sks cat). Em seguida, você pode gerar o sujeito em novos cenários, iluminação, poses e estilos.
Os checkpoints do DreamBooth geralmente têm alguns GBs, pois contêm os pesos completos do modelo. Carregue-os com from_pretrained() e inclua o identificador único no prompt para acionar a geração.
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 treinar seu próprio checkpoint, consulte Treinar DreamBooth.
Update on GitHub