Flux模型的LoRA和ControlNet微调脚本
该项目为Flux图像生成模型提供LoRA和ControlNet微调脚本。使用DeepSpeed实现高效训练,并提供预训练检查点。包含详细的训练和推理指南,以及低 内存模式和加速配置示例。项目计划未来发布更多ControlNet权重模型和IP-Adapters。
本仓库提供了由Black Forest Labs开发的Flux模型的训练脚本。<br/> XLabs AI团队很高兴发布Flux的微调脚本,包括:
我们使用DeepSpeed训练了LoRA和ControlNet模型!<br/> 两者都在512x512像素的图片上进行了训练,1024x1024的训练正在进行中。
我们为FLUX.1 [dev]
训练了Canny ControlNet和LoRA检查点<br/>
你可以在HuggingFace上下载它们:
accelerate launch train_flux_lora_deepspeed.py --config "train_configs/test_lora.yaml"
accelerate launch train_flux_deepspeed_controlnet.py --config "train_configs/test_canny_controlnet.yaml"
数据集的训练过程格式如下:
├── images/ │ ├── 1.png │ ├── 1.json │ ├── 2.png │ ├── 2.json │ ├── ...
images/*.json
文件示例.json
文件包含带有文本提示的"caption"字段。
{ "caption": "一个人物站在雾蒙蒙的风景中,戴着带有鹿角的面具,穿着黑色的华丽服装,散发出神秘和超凡脱俗的气息" }
要测试我们的检查点,请使用下面展示的命令。
提示词:"一个穿着西装的女孩,身上布满大胆的纹身,手持背心手枪,美丽的女性,25岁,酷炫,未来幻想,蓝绿色和浅橙色的卷发"
提示词:"一个穿着西装的英俊男人,25岁,酷炫,未来风格"
python3 main.py \ --prompt "带有'hello world'文字的女性兽人精灵" \ --lora_repo_id XLabs-AI/flux-furry-lora --lora_name furry_lora.safetensors --device cuda --offload --use_lora \ --model_type flux-dev-fp8 --width 1024 --height 1024 \ --timestep_to_start_cfg 1 --num_steps 25 --true_gs 3.5 --guidance 4
python3 main.py \ --prompt "一只可爱的柯基住在由寿司做成的房子里,动漫风格" \ --lora_repo_id XLabs-AI/flux-lora-collection --lora_name anime_lora.safetensors \ --device cuda --offload --use_lora --model_type flux-dev-fp8 --width 1024 --height 1024
python3 main.py \ --use_lora --lora_weight 0.7 \ --width 1024 --height 768 \ --lora_repo_id XLabs-AI/flux-lora-collection --lora_name realism_lora.safetensors \ --guidance 4 \ --prompt "对比摄影,一位穿着白色西装的黑人女性和一位穿着黑色西装的白化病亚洲艺伎女性,纯色背景,前卫,高级时尚"
python3 main.py \ --prompt="花园里一只明亮的蓝色鸟,自然照片电影风格,MM全高清" \ --repo_id "XLabs-AI/flux-controlnet-canny" \ --name controlnet.safetensors --device cuda --offload --use_controlnet --image "input_image.jpg" --guidance 4 --control_type canny
python3 main.py \ --prompt="一座黑暗邪恶神秘的鬼屋,电影风格,MM全高清" \ --repo_id "XLabs-AI/flux-controlnet-canny" \ --name controlnet.safetensors --device cuda --offload --use_controlnet --image "input_image.jpg" --guidance 4 --control_type canny
python3 main.py \ --prompt="男人,4K照片" \ --repo_id "XLabs-AI/flux-controlnet-canny" \ --name controlnet.safetensors --device cuda --offload --use_controlnet --image "input_image.jpg" --guidance 4 --control_type canny
python3 main.py \ --prompt="一幅油画,一位女士坐在椅子上微笑,电影风格,MM全高清" \ --repo_id "XLabs-AI/flux-controlnet-canny" \ --name controlnet.safetensors --device cuda --offload --use_controlnet --image "input_image.jpg" --guidance 4 --control_type canny
使用基于Flux-dev-F8的LoRA和Controlnet FP8版本,设置--offload
以实现更低的显存使用(22 GB),并使用--name flux-dev-fp8
:
python3 main.py \ --offload --name flux-dev-fp8 \ --lora_repo_id XLabs-AI/flux-lora-collection --lora_name realism_lora.safetensors \ --guidance 4 \ --prompt "一个身材姣好的女孩穿着西装,身上布满大胆的纹身,手持手枪。动画矩阵插图风格,奇幻风格,自然照片电影风格"
通过运行以下命令安装我们的依赖:
pip3 install -r requirements.txt
compute_environment: LOCAL_MACHINE debug: false deepspeed_config: gradient_accumulation_steps: 2 gradient_clipping: 1.0 offload_optimizer_device: none offload_param_device: none zero3_init_flag: false zero_stage: 2 distributed_type: DEEPSPEED downcast_bf16: 'no' enable_cpu_affinity: false machine_rank: 0 main_training_function: main mixed_precision: bf16 num_machines: 1 num_processes: 8 rdzv_backend: static same_network: true tpu_env: [] tpu_use_cluster: false tpu_use_sudo: false use_cpu: false
我们的模型遵循FLUX.1 [dev] 非商业许可<br/>我们的训练和推理脚本遵循Apache 2许可
我们正在为Flux开发新的ControlNet权重模型:OpenPose、Depth等!<br/> 请关注XLabs AI以了解Flux的IP-Adapters。
深度推理能力全新升级,全面对标OpenAI o1
科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。
AI助力,做PPT更简单!
咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。
选题、配图、成文,一站式创作,让内容运营更高效
讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。
专业的AI公文写作平台,公文写作神器
AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。
OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。
高分辨率纹理 3D 资产生成
Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。
一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。
3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。
用于可扩展和多功能 3D 生成的结构化 3D 潜在表示
TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号