文本编码器未经训练。您可以使用基础模型的文本编码器进行推理。

训练参数配置

• 训练周期：7
• 训练步数：100000
• 学习率：1e-06
• 有效批大小：192
  • 微批大小：24
  • 梯度累积步数：1
  • GPU数量：8
• 预测类型：epsilon
• 重缩放betas零SNR：False
• 优化器：AdamW，随机bf16
• 精度：纯BF16
• Xformers：未使用

数据集

photo-concept-bucket

• 重复次数：0
• 图片总数：约567552张
• 宽高比分桶数：1
• 分辨率：1.0百万像素
• 裁剪：是
• 裁剪风格：随机
• 裁剪比例：正方形

推理示例

import torch
from diffusers import DiffusionPipeline

model_id = 'pixart-900m-1024-ft'
prompt = '穿着连帽衫的泰迪熊在野餐时的民族志摄影，耳朵藏在舒适的兜帽下，忧郁地望向暴风雨即将来临的野餐天空'
negative_prompt = '模糊的，裁剪的，丑陋的'
pipeline = DiffusionPipeline.from_pretrained(model_id)
pipeline.to('cuda' if torch.cuda.is_available() else 'mps' if torch.backends.mps.is_available() else 'cpu')

prompt = "穿着连帽衫的泰迪熊在野餐时的民族志摄影，耳朵藏在舒适的兜帽下，忧郁地望向暴风雨即将来临的野餐天空"
negative_prompt = "模糊的，裁剪的，丑陋的"

pipeline = DiffusionPipeline.from_pretrained(model_id)
pipeline.to('cuda' if torch.cuda.is_available() else 'mps' if torch.backends.mps.is_available() else 'cpu')
image = pipeline(
    prompt=prompt,
    negative_prompt='模糊的，裁剪的，丑陋的',
    num_inference_steps=25,
    generator=torch.Generator(device='cuda' if torch.cuda.is_available() else 'mps' if torch.backends.mps.is_available() else 'cpu').manual_seed(1641421826),
    width=1152,
    height=768,
    guidance_scale=4.5,
    guidance_rescale=0.0,
).images[0]
image.save("output.png", format="PNG")