文本编码器未参与训练，推理时可复用基础模型的文本编码器。

训练配置

• 训练周期: 3

• 训练步数: 600

• 学习率: 0.0001

  • 学习率计划: 恒定
  • 预热步数: 500

• 最大梯度值: 2.0

• 有效批次大小: 1

  • 微批次大小: 1
  • 梯度累积步数: 1
  • GPU数量: 1

• 梯度检查点: 启用

• 预测类型: 流匹配（额外参数=['shift=3', 'flux_guidance_mode=constant', 'flux_guidance_value=1.0', 'flow_matching_loss=compatible', 'flux_lora_target=all']）

• 优化器: adamw_bf16

• 可训练参数精度: 纯BF16

• 基础模型精度: int8量子化

• 标题丢弃概率: 0.0%

• LoRA秩: 32

• LoRA Alpha: 无

• LoRA丢弃率: 0.1

• LoRA初始化风格: 默认

数据集

reddy-v2-512

• 重复次数: 10
• 总图像数: 13
• 总宽高比分组: 1
• 分辨率: 0.262144百万像素
• 是否裁剪: 否
• 裁剪风格: 无
• 裁剪宽高比: 无
• 是否用于正则化数据: 否

reddy-v2-1024

• 重复次数: 10
• 总图像数: 5
• 总宽高比分组: 1
• 分辨率: 1.048576百万像素
• 是否裁剪: 否
• 裁剪风格: 无
• 裁剪宽高比: 无
• 是否用于正则化数据: 否

推理

import torch  
from diffusers import DiffusionPipeline  

model_id = 'black-forest-labs/FLUX.1-dev'  
adapter_id = 'Unmapped2895/reddy-v2'  
pipeline = DiffusionPipeline.from_pretrained(model_id, torch_dtype=torch.bfloat16) # 直接加载为bf16格式  
pipeline.load_lora_weights(adapter_id)  

prompt = "写实广角摄影：女性身着奢华缎面内衣套装摆姿，深V胸衣搭配精致丁字裤与经典吊袜带黑丝。缎面材质在光线下柔光闪烁，剪裁既显高雅又暗含诱惑，蕾丝花边细节凸显曼妙身姿。发型精致如赴正式场合，光影交织呈现电影质感"  

## 可选：量化模型以节省显存  
## 注：训练时已进行量化，建议推理时保持相同设置  
from optimum.quanto import quantize, freeze, qint8  
quantize(pipeline.transformer, weights=qint8)  
freeze(pipeline.transformer)  

pipeline.to('cuda' if torch.cuda.is_available() else 'mps' if torch.backends.mps.is_available() else 'cpu') # 管道已处于目标精度  
model_output = pipeline(  
    prompt=prompt,  
    num_inference_steps=20,  
    generator=torch.Generator(device='cuda' if torch.cuda.is_available() else 'mps' if torch.backends.mps.is_available() else 'cpu').manual_seed(42),  
    width=832,  
    height=1216,  
    guidance_scale=2.0,  
).images[0]  

model_output.save("output.png", format="PNG")