classifier free guidance pytorch

إرشادات مجانية للمصنف - Pytorch

تنفيذ إرشادات المصنف المجانية في Pytorch، مع التركيز على تكييف النص، والمرونة في تضمين نماذج تضمين نص متعددة، كما هو الحال في eDiff-I

أصبح من الواضح الآن أن التوجيه النصي هو الواجهة النهائية للنماذج. سيستفيد هذا المستودع من بعض سحر ديكور بايثون لتسهيل دمج تكييف النص SOTA في أي نموذج.

تقدير

• StabilityAI على الرعاية السخية، وكذلك الرعاة الآخرين هناك

• ؟ Huggingface لمكتبة المحولات المذهلة الخاصة بهم. ستستخدم وحدة تكييف النص تضمينات T5، كما أوصت أحدث الأبحاث

• OpenCLIP لتوفير نماذج CLIP مفتوحة المصدر من SOTA. يشهد نموذج eDiff تحسينات هائلة من خلال الجمع بين تضمينات T5 مع تضمينات نص CLIP

ثَبَّتَ

$ pip install classifier-free-guidance-pytorch

الاستخدام

 import torch
from classifier_free_guidance_pytorch import TextConditioner

text_conditioner = TextConditioner (
    model_types = 't5' ,    
    hidden_dims = ( 256 , 512 ),
    hiddens_channel_first = False ,
    cond_drop_prob = 0.2  # conditional dropout 20% of the time, must be greater than 0. to unlock classifier free guidance
). cuda ()

# pass in your text as a List[str], and get back a List[callable]
# each callable function receives the hiddens in the dimensions listed at init (hidden_dims)

first_condition_fn , second_condition_fn = text_conditioner ([ 'a dog chasing after a ball' ])

# these hiddens will be in the direct flow of your model, say in a unet

first_hidden = torch . randn ( 1 , 16 , 256 ). cuda ()
second_hidden = torch . randn ( 1 , 32 , 512 ). cuda ()

# conditioned features

first_conditioned = first_condition_fn ( first_hidden )
second_conditioned = second_condition_fn ( second_hidden )

إذا كنت ترغب في استخدام التكييف القائم على الانتباه المتبادل (كل ميزة مخفية في شبكتك يمكن أن تحضر إلى الرموز المميزة للكلمات الفرعية الفردية)، فما عليك سوى استيراد AttentionTextConditioner بدلاً من ذلك. الباقي هو نفسه

 from classifier_free_guidance_pytorch import AttentionTextConditioner

text_conditioner = AttentionTextConditioner (
    model_types = ( 't5' , 'clip' ),   # something like in eDiff paper, where they used both T5 and Clip for even better results (Balaji et al.)
    hidden_dims = ( 256 , 512 ),
    cond_drop_prob = 0.2
)

مصمم الديكورات السحرية

هذا عمل قيد التقدم لتسهيل إرسال الرسائل النصية لشبكتك قدر الإمكان.

أولاً، لنفترض أن لديك شبكة بسيطة مكونة من طبقتين

 import torch
from torch import nn

class MLP ( nn . Module ):
    def __init__ (
        self ,
        dim
    ):
        super (). __init__ ()
        self . proj_in = nn . Sequential ( nn . Linear ( dim , dim * 2 ), nn . ReLU ())
        self . proj_mid = nn . Sequential ( nn . Linear ( dim * 2 , dim ), nn . ReLU ())
        self . proj_out = nn . Linear ( dim , 1 )

    def forward (
        self ,
        data
    ):
        hiddens1 = self . proj_in ( data )
        hiddens2 = self . proj_mid ( hiddens1 )
        return self . proj_out ( hiddens2 )

# instantiate model and pass in some data, get (in this case) a binary prediction

model = MLP ( dim = 256 )

data = torch . randn ( 2 , 256 )

pred = model ( data )

ترغب في تكييف الطبقات المخفية ( hiddens1 و hiddens2 ) مع النص. سيحصل كل عنصر دفعة هنا على تكييف النص المجاني الخاص به

لقد تم تقليص ذلك إلى 3 خطوات تقريبًا باستخدام هذا المستودع.

 import torch
from torch import nn

from classifier_free_guidance_pytorch import classifier_free_guidance_class_decorator

@ classifier_free_guidance_class_decorator
class MLP ( nn . Module ):
    def __init__ ( self , dim ):
        super (). __init__ ()

        self . proj_in = nn . Sequential ( nn . Linear ( dim , dim * 2 ), nn . ReLU ())
        self . proj_mid = nn . Sequential ( nn . Linear ( dim * 2 , dim ), nn . ReLU ())
        self . proj_out = nn . Linear ( dim , 1 )

    def forward (
        self ,
        inp ,
        cond_fns # List[Callable] - (1) your forward function now receives a list of conditioning functions, which you invoke on your hidden tensors
    ):
        cond_hidden1 , cond_hidden2 = cond_fns # conditioning functions are given back in the order of the `hidden_dims` set on the text conditioner

        hiddens1 = self . proj_in ( inp )
        hiddens1 = cond_hidden1 ( hiddens1 ) # (2) condition the first hidden layer with FiLM

        hiddens2 = self . proj_mid ( hiddens1 )
        hiddens2 = cond_hidden2 ( hiddens2 ) # condition the second hidden layer with FiLM

        return self . proj_out ( hiddens2 )

# instantiate your model - extra keyword arguments will need to be defined, prepended by `text_condition_`

model = MLP (
    dim = 256 ,
    text_condition_type = 'film' ,                 # can be film, attention, or null (none)
    text_condition_model_types = ( 't5' , 'clip' ),  # in this example, conditioning on both T5 and OpenCLIP
    text_condition_hidden_dims = ( 512 , 256 ),      # and pass in the hidden dimensions you would like to condition on. in this case there are two hidden dimensions (dim * 2 and dim, after the first and second projections)
    text_condition_cond_drop_prob = 0.25          # conditional dropout probability for classifier free guidance. can be set to 0. if you do not need it and just want the text conditioning
)

# now you have your input data as well as corresponding free text as List[str]

data = torch . randn ( 2 , 256 )
texts = [ 'a description' , 'another description' ]

# (3) train your model, passing in your list of strings as 'texts'

pred  = model ( data , texts = texts )

# after much training, you can now do classifier free guidance by passing in a condition scale of > 1. !

model . eval ()
guided_pred = model ( data , texts = texts , cond_scale = 3. , remove_parallel_component = True )  # cond_scale stands for conditioning scale from classifier free guidance paper 

ما يجب القيام به

• تكييف كامل للفيلم، بدون إرشادات مجانية للمصنف (يستخدم هنا)

• إضافة إرشادات مجانية للمصنف لتكييف الأفلام

• تكييف الانتباه المتقاطع الكامل

• اختبار التحمل لوحدة الزمكان في صنع الفيديو

الاستشهادات

 @article { Ho2022ClassifierFreeDG ,
    title   = { Classifier-Free Diffusion Guidance } ,
    author  = { Jonathan Ho } ,
    journal = { ArXiv } ,
    year    = { 2022 } ,
    volume  = { abs/2207.12598 }
}

 @article { Balaji2022eDiffITD ,
    title   = { eDiff-I: Text-to-Image Diffusion Models with an Ensemble of Expert Denoisers } ,
    author  = { Yogesh Balaji and Seungjun Nah and Xun Huang and Arash Vahdat and Jiaming Song and Karsten Kreis and Miika Aittala and Timo Aila and Samuli Laine and Bryan Catanzaro and Tero Karras and Ming-Yu Liu } ,
    journal = { ArXiv } ,
    year    = { 2022 } ,
    volume  = { abs/2211.01324 }
}

 @inproceedings { dao2022flashattention ,
    title   = { Flash{A}ttention: Fast and Memory-Efficient Exact Attention with {IO}-Awareness } ,
    author  = { Dao, Tri and Fu, Daniel Y. and Ermon, Stefano and Rudra, Atri and R{'e}, Christopher } ,
    booktitle = { Advances in Neural Information Processing Systems } ,
    year    = { 2022 }
}

 @inproceedings { Lin2023CommonDN ,
    title   = { Common Diffusion Noise Schedules and Sample Steps are Flawed } ,
    author  = { Shanchuan Lin and Bingchen Liu and Jiashi Li and Xiao Yang } ,
    year    = { 2023 }
}

 @inproceedings { Chung2024CFGMC ,
    title   = { CFG++: Manifold-constrained Classifier Free Guidance for Diffusion Models } ,
    author  = { Hyungjin Chung and Jeongsol Kim and Geon Yeong Park and Hyelin Nam and Jong Chul Ye } ,
    year    = { 2024 } ,
    url     = { https://api.semanticscholar.org/CorpusID:270391454 }
}

 @inproceedings { Sadat2024EliminatingOA ,
    title   = { Eliminating Oversaturation and Artifacts of High Guidance Scales in Diffusion Models } ,
    author  = { Seyedmorteza Sadat and Otmar Hilliges and Romann M. Weber } ,
    year    = { 2024 } ,
    url     = { https://api.semanticscholar.org/CorpusID:273098845 }
}