File size: 1,447 Bytes
e91b6af e0fe838 e91b6af e0fe838 3499596 e0fe838 d52a0d6 08fd0a7 d52a0d6 e0fe838 3499596 e0fe838 cca4033 ba7a5d2 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 |
---
license: mit
tags:
- stable-diffusion
---
[ACertainty](https://huggingface.co/JosephusCheung/ACertainty)を[Latent Consistency Model](https://latent-consistency-models.github.io/)の手法で蒸留して4～8ステップほどで生成できるようにしました。性能はまだまだという感じです。
# 学習
rank=128(conv rank=32)のLoRAをバッチサイズ16で学習率5e-4で20000ステップ学習しました。公開したモデルはLoRAをマージ済みです。guidance_scaleは7.0固定で、学習対象になっていないのでguidance_scaleを変えても効果ありません。emaのrateは0.999です。学習中に無条件生成ではなくnegative_promptを使っています。
```py
from diffusers import DiffusionPipeline
import torch
pipe = DiffusionPipeline.from_pretrained("furusu/LCM-Acertainty", custom_pipeline="latent_consistency_txt2img", custom_revision="main")
pipe.to(torch_device="cuda", torch_dtype=torch.float16)
prompt = "anime, masterpiece, best quality, 1girl, solo, blush, sitting, twintails, blonde hair, bowtie, school uniforme, nature"
num_inference_steps =4
images = pipe(prompt=prompt, num_inference_steps=num_inference_steps, guidance_scale=5.0, lcm_origin_steps=50, height=768, width=768, output_type="pil").images
images[0].save("./aaaaa.png")
```
|