library_name: diffusers
base_model: stabilityai/stable-diffusion-xl-base-1.0
tags:

• 文生图
  license: openrail++
  inference: false

潜在一致性模型（LCM）：SDXL版

潜在一致性模型（LCM）由Simian Luo、Yiqin Tan等人在论文《Latent Consistency Models: Synthesizing High-Resolution Images with Few-Step Inference》中提出，Simian Luo、Suraj Patil和Daniel Gu成功将该技术应用于SDXL模型的LCM版本开发。

本检查点是对stable-diffusion-xl-base-1.0进行LCM蒸馏后的版本，可将推理步骤缩减至仅需2-8步。

使用指南

LCM SDXL从v0.23.0版本开始集成于🤗 Hugging Face Diffusers库。运行前请先安装最新版Diffusers库及peft、accelerate、transformers依赖：

pip install --upgrade pip  
pip install --upgrade diffusers transformers accelerate peft  

文生图

加载基础管道stabilityai/stable-diffusion-xl-base-1.0后，需将调度器切换为LCMScheduler，并将推理步骤设为2-8步。注意需禁用guidance_scale或将其值设为1.0至2.0之间。

from diffusers import UNet2DConditionModel, DiffusionPipeline, LCMScheduler  
import torch  

unet = UNet2DConditionModel.from_pretrained("latent-consistency/lcm-sdxl", torch_dtype=torch.float16, variant="fp16")  
pipe = DiffusionPipeline.from_pretrained("stabilityai/stable-diffusion-xl-base-1.0", unet=unet, torch_dtype=torch.float16, variant="fp16")  

pipe.scheduler = LCMScheduler.from_config(pipe.scheduler.config)  
pipe.to("cuda")  

prompt = "雨中站立老人的特写照片"  

image = pipe(prompt, num_inference_steps=4, guidance_scale=8.0).images[0]  

图生图

功能可用！文档待补充

图像修复

功能可用！文档待补充

ControlNet控制

功能可用！文档待补充

T2I适配器

功能可用！文档待补充

速度基准测试

待补充

训练说明

待补充