懂AI
minRF

minRF

轻量级可扩展整流流变换器实现

minRF是一个开源项目，提供整流流变换器的轻量级实现，适用于深度学习研究。它结合SD3训练方法和LLaMA-DiT架构，包括支持MNIST和CIFAR数据集的基础版本，以及支持ImageNet训练并引入muP技术的高级版本。项目代码结构清晰，便于理解和定制，为研究人员提供了灵活的整流流模型实验环境。

Rectified FlowAI模型机器学习图像生成TransformersGithub开源项目
访问官网GitHubHugging Face

可扩展整流流变换器的最小实现

<p align="center"> <img src="https://yellow-cdn.veclightyear.com/835a84d5/b81622f4-db60-4882-bbf1-a20429e00595.gif" alt="large" width="300"> <img src="https://yellow-cdn.veclightyear.com/835a84d5/f1b8f9cd-d132-42f1-9ce8-9a76806b781d.gif" alt="large" width="300"> </p>

左图为简单RF，右图为对数正态时间采样RF。两者均在MNIST上训练。

本仓库包含整流流模型的最小实现。我采用了SD3的训练方法和LLaMA-DiT架构。与我之前的仓库不同，这次我决定将文件分为两部分：模型实现和实际代码，但你不必查看模型代码。

所有内容仍然是自包含、最小化的，希望易于修改。如果你理解了数学原理，就不会有任何复杂的内容。

1. 适合初学者的简单整流流

安装torch、pil、torchvision

pip install torch torchvision pillow

运行

python rf.py

以从头开始在MNIST上训练模型。

如果你想挑战一下，也可以在CIFAR上训练。

python rf.py --cifar

在第63个epoch，你的输出应该类似于：

<p align="center"> <img src="https://yellow-cdn.veclightyear.com/835a84d5/f76f4636-c78b-43dd-8e85-4fbc1075c31c.gif" alt="large" width="300"> <img src="https://yellow-cdn.veclightyear.com/835a84d5/870fb4cc-85a0-4dc9-8ec5-4e933c7e4509.png" alt="large" width="300"> </p>

2. 支持muP的大规模整流流

<p align="center"> <img src="https://yellow-cdn.veclightyear.com/835a84d5/4e151ef6-26d3-41b8-82fd-6904f3a8fbc0.gif" alt="large" width="300"> </p>

这是为想要在ImageNet上训练的高手准备的。别担心！在我看来，ImageNet是新的MNIST，我们将使用我的imagenet.int8数据集。

首先进入advanced目录，下载数据集。

cd advanced
pip install hf_transfer # 只需安装这个
bash download.sh

如果你的网络不错，这应该不会超过5分钟。

运行

bash run.sh

来训练模型。这将从头开始在ImageNet上训练模型，进行muP网格搜索以找到损失函数的对齐盆地，你将解锁整流流模型的零样本LR迁移！

<p align="center"> <img src="https://yellow-cdn.veclightyear.com/835a84d5/e31e22eb-9f28-4ce7-8b82-fb343fac232b.png" alt="large" width="500"> </p>

这里使用了我过去一年开发的多种技术和代码库。它是min-max-IN-dit、min-max-gpt和ez-muP的自然结合。

引用

如果你使用了这些材料，请使用以下方式引用本仓库：

@misc{ryu2024minrf,
  author       = {Simo Ryu},
  title        = {minRF: Minimal Implementation of Scalable Rectified Flow Transformers},
  year         = 2024,
  publisher    = {Github},
  url          = {https://github.com/cloneofsimo/minRF},
}

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

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。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

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。

Trae

Trae

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工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

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。

讯飞绘文

讯飞绘文

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。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

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-python

openai-agents-python

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。

Hunyuan3D-2

Hunyuan3D-2

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。

3FS

3FS

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。

下拉加载更多