模型描述

这是为THUDM/CogVideoX-2b训练的Zlikwid/ZlikwidCogVideoXLoRa LoRA权重。

权重使用CogVideoX Diffusers训练器进行训练。

是否启用了文本编码器的LoRA？否。

下载模型

在"文件与版本"标签页中下载*.safetensors格式的LoRA。

与🧨 diffusers库一起使用

from diffusers import CogVideoXPipeline
import torch

pipe = CogVideoXPipeline.from_pretrained("THUDM/CogVideoX-5b", torch_dtype=torch.bfloat16).to("cuda")
pipe.load_lora_weights("Zlikwid/ZlikwidCogVideoXLoRa", weight_name="pytorch_lora_weights.safetensors", adapter_name=["cogvideox-lora"])

# LoRA适配器权重由训练时使用的参数决定。
# 本例中，我们假设`--lora_alpha`为32，`--rank`为64。
# 可通过调整这些值来减弱或增强LoRA效果（在容忍范围内），
# 超出范围后可能完全无效果或出现溢出。
pipe.set_adapters(["cogvideox-lora"], [32 / 64])

video = pipe("None", guidance_scale=6, use_dynamic_cfg=True).frames[0]

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

许可证

请遵守此处和此处描述的许可条款。

预期用途与限制

使用方法

# TODO: 添加运行此扩散管道的示例代码片段

限制与偏差

[TODO: 提供潜在问题的示例及可能的补救措施]

训练详情

[TODO: 描述用于训练模型的数据]