Diffusers documentation
DreamBooth
Comece agora
Inferência
Usando pipelines de difusão
Adaptadores e personalização
Otimizar e escalar
Desempenho básico
Inferência
Métodos da comunidade
Quantização
Aceleração específica de hardware
Servir e escalar
Diffusers modulares
Treinar e ajustar finamente
Recursos
Contribuir
API
You are viewing main version, which requires installation from source. If you'd like
regular pip install, checkout the latest stable version (v0.42.1).
DreamBooth
DreamBooth personaliza um modelo pré-treinado para um sujeito específico a partir de algumas imagens (por exemplo, seu gato) ajustando todos os pesos e vinculando esse sujeito a um identificador único no prompt (sks cat). Em seguida, você pode gerar o sujeito em novos cenários, iluminação, poses e estilos.
Os checkpoints do DreamBooth geralmente têm alguns GBs, pois contêm os pesos completos do modelo. Carregue-os com from_pretrained() e inclua o identificador único no prompt para acionar a geração.
import torch
from diffusers import AutoPipelineForText2Image
pipeline = AutoPipelineForText2Image.from_pretrained(
"sd-dreambooth-library/herge-style",
dtype=torch.float16
).to("cuda") # or "mps", "xpu", "cpu"
prompt = "A cute sks herge_style brown bear eating a slice of pizza, stunning color scheme, masterpiece, illustration"
pipeline(prompt).images[0]
Para treinar seu próprio checkpoint, consulte Treinar DreamBooth.
Update on GitHub