模型描述

这是linoyts/2000_ads_linoy_multi针对stabilityai/stable-diffusion-xl-base-1.0的LoRA适配权重。

下载模型

在AUTOMATIC1111、Comfy UI、SD.Next、Invoke等界面中使用

• LoRA: 下载 2000_ads_linoy_multi.safetensors 💾
  • 放入models/Lora文件夹
  • 在AUTOMATIC1111中，通过在提示词中添加<lora:2000_ads_linoy_multi:1>加载LoRA。在ComfyUI中常规方式加载LoRA
• 嵌入向量: 下载 2000_ads_linoy_multi_emb.safetensors 💾
  • 放入embeddings文件夹
  • 在提示词中添加2000_ads_linoy_multi_emb使用，例如2000_ads_linoy_multi_emb风格的女性广告
    (需同时使用LoRA和嵌入向量，因它们是联合训练的)

配合🧨 diffusers库使用

from diffusers import AutoPipelineForText2Image
import torch
from huggingface_hub import hf_hub_download
from safetensors.torch import load_file
        
pipeline = AutoPipelineForText2Image.from_pretrained('stabilityai/stable-diffusion-xl-base-1.0', torch_dtype=torch.float16).to('cuda')
pipeline.load_lora_weights('linoyts/2000_ads_linoy_multi', weight_name='pytorch_lora_weights.safetensors')
embedding_path = hf_hub_download(repo_id='linoyts/2000_ads_linoy_multi', filename='2000_ads_linoy_multi_emb.safetensors' repo_type="model")
state_dict = load_file(embedding_path)
pipeline.load_textual_inversion(state_dict["clip_l"], token=["<s0>", "<s1>", "<s2>", "<s3>"], text_encoder=pipeline.text_encoder, tokenizer=pipeline.tokenizer)
pipeline.load_textual_inversion(state_dict["clip_g"], token=["<s0>", "<s1>", "<s2>", "<s3>"], text_encoder=pipeline.text_encoder_2, tokenizer=pipeline.tokenizer_2)
        
image = pipeline('<s0><s1>风格的<s2><s3>戴耳机女性广告').images[0]

更多细节（包括权重调整、合并和融合LoRA）请参阅diffusers加载LoRA文档

触发词

在提示词中用新插入的标记替换每个概念标识符以生成训练过的概念图像：

触发概念TOK → 在提示词中使用<s0><s1>

触发概念T2K → 在提示词中使用<s2><s3>

详情

所有文件与版本

权重使用🧨 diffusers高级Dreambooth训练脚本训练

文本编码器的LoRA已启用：否

关键调优已启用：是

训练使用的特殊VAE：madebyollin/sdxl-vae-fp16-fix