Dieses Repo enthält PyTorch-Modelldefinitionen, vorab trainierte Gewichte und Inferenz-/Sampling-Code für unseren Artikel über das Schwach-zu-Stark-Training des Diffusionstransformators für die 4K-Text-zu-Bild-Generierung. Weitere Visualisierungen finden Sie auf unserer Projektseite.
PixArt-Σ: Schwach-zu-stark-Training des Diffusionstransformators für die 4K-Text-zu-Bild-Generierung
Junsong Chen*, Chongjian Ge*, Enze Xie*†, Yue Wu*, Lewei Yao, Xiaozhe Ren, Zhongdao Wang, Ping Luo, Huchuan Lu, Zhenguo Li
Huawei Noah's Ark Lab, DLUT, HKU, HKUST
Wir lernen aus dem vorherigen PixArt-α-Projekt und werden versuchen, dieses Repo so einfach wie möglich zu halten, damit jeder in der PixArt-Community es nutzen kann.
? diffusers mit Patches für ein schnelles Erlebnis!-Hauptsächlich
-Anleitung
-Andere
| Modell | T5-Token-Länge | VAE | 2K/4K |
|---|---|---|---|
| PixArt-Σ | 300 | SDXL | ✅ |
| PixArt-α | 120 | SD1.5 |
| Modell | Probe-1 | Probe-2 | Probe-3 |
|---|---|---|---|
| PixArt-Σ | |||
| PixArt-α | |||
| Prompt | Nahaufnahme, grauhaariger, bärtiger Mann in den 60ern, Passanten beobachtend, in Wollmantel und brauner Baskenmütze , Brille, filmisch. | Körperaufnahme, eine Französin, Fotografie, Hintergrund französische Straßen, Gegenlicht, Randlicht, Fujifilm. | Fotorealistische Nahaufnahme von zwei Piratenschiffen, die in einer Tasse Kaffee gegeneinander kämpfen. |
conda create -n pixart python==3.9.0
conda activate pixart
conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia
git clone https://github.com/PixArt-alpha/PixArt-sigma.git
cd PixArt-sigma
pip install -r requirements.txtErstens.
Wir starten ein neues Repo, um eine benutzerfreundlichere und kompatiblere Codebasis aufzubauen. Die Hauptmodellstruktur ist die gleiche wie bei PixArt-α. Sie können Ihre Funktionen weiterhin auf Basis des Original-Repositorys entwickeln. Außerdem wird dieses Repo in Zukunft PixArt-alpha unterstützen .
Tipp
Jetzt können Sie Ihr Modell ohne vorherige Merkmalsextraktion trainieren . Wir reformieren die Datenstruktur in der PixArt-α-Codebasis, sodass jeder von Anfang an ohne Schmerzen mit dem Training, der Inferenz und der Visualisierung beginnen kann.
Laden Sie zuerst den Spielzeugdatensatz herunter. Die Datensatzstruktur für das Training ist:
cd ./pixart-sigma-toy-dataset
Dataset Structure
├──InternImgs/ (images are saved here)
│ ├──000000000000.png
│ ├──000000000001.png
│ ├──......
├──InternData/
│ ├──data_info.json (meta data)
Optional(?)
│ ├──img_sdxl_vae_features_1024resolution_ms_new (run tools/extract_caption_feature.py to generate caption T5 features, same name as images except .npz extension)
│ │ ├──000000000000.npy
│ │ ├──000000000001.npy
│ │ ├──......
│ ├──caption_features_new
│ │ ├──000000000000.npz
│ │ ├──000000000001.npz
│ │ ├──......
│ ├──sharegpt4v_caption_features_new (run tools/extract_caption_feature.py to generate caption T5 features, same name as images except .npz extension)
│ │ ├──000000000000.npz
│ │ ├──000000000001.npz
│ │ ├──......
# SDXL-VAE, T5 checkpoints
git lfs install
git clone https://huggingface.co/PixArt-alpha/pixart_sigma_sdxlvae_T5_diffusers output/pretrained_models/pixart_sigma_sdxlvae_T5_diffusers
# PixArt-Sigma checkpoints
python tools/download.py # environment eg. HF_ENDPOINT=https://hf-mirror.com can use for HuggingFace mirrorWählen Sie die gewünschte Konfigurationsdatei aus dem Konfigurationsdateiverzeichnis aus.
python -m torch.distributed.launch --nproc_per_node=1 --master_port=12345
train_scripts/train.py
configs/pixart_sigma_config/PixArt_sigma_xl2_img512_internalms.py
--load-from output/pretrained_models/PixArt-Sigma-XL-2-512-MS.pth
--work-dir output/your_first_pixart-exp
--debug Installieren Sie zunächst die erforderlichen Abhängigkeiten. Stellen Sie sicher, dass Sie die Prüfpunktdateien von models (bald verfügbar) in den Ordner output/pretrained_models heruntergeladen haben, und führen Sie sie dann auf Ihrem lokalen Computer aus:
# SDXL-VAE, T5 checkpoints
git lfs install
git clone https://huggingface.co/PixArt-alpha/pixart_sigma_sdxlvae_T5_diffusers output/pixart_sigma_sdxlvae_T5_diffusers
# PixArt-Sigma checkpoints
python tools/download.py
# demo launch
python scripts/interface.py --model_path output/pretrained_models/PixArt-Sigma-XL-2-512-MS.pth --image_size 512 --port 11223Wichtig
Rüsten Sie Ihre diffusers auf, um die PixArtSigmaPipeline verfügbar zu machen!
pip install git+https://github.com/huggingface/diffusers Für diffusers<0.28.0 schauen Sie sich dieses Skript an, um Hilfe zu erhalten.
import torch
from diffusers import Transformer2DModel , PixArtSigmaPipeline
device = torch . device ( "cuda:0" if torch . cuda . is_available () else "cpu" )
weight_dtype = torch . float16
transformer = Transformer2DModel . from_pretrained (
"PixArt-alpha/PixArt-Sigma-XL-2-1024-MS" ,
subfolder = 'transformer' ,
torch_dtype = weight_dtype ,
use_safetensors = True ,
)
pipe = PixArtSigmaPipeline . from_pretrained (
"PixArt-alpha/pixart_sigma_sdxlvae_T5_diffusers" ,
transformer = transformer ,
torch_dtype = weight_dtype ,
use_safetensors = True ,
)
pipe . to ( device )
# Enable memory optimizations.
# pipe.enable_model_cpu_offload()
prompt = "A small cactus with a happy face in the Sahara desert."
image = pipe ( prompt ). images [ 0 ]
image . save ( "./catcus.png" )pip install git+https://github.com/huggingface/diffusers
# PixArt-Sigma 1024px
DEMO_PORT=12345 python app/app_pixart_sigma.py
# PixArt-Sigma One step Sampler(DMD)
DEMO_PORT=12345 python app/app_pixart_dmd.py Schauen wir uns ein einfaches Beispiel mit http://your-server-ip:12345 an.
Direkt von Hugging Face herunterladen
oder laufen mit:
pip install git+https://github.com/huggingface/diffusers
python tools/convert_pixart_to_diffusers.py --orig_ckpt_path output/pretrained_models/PixArt-Sigma-XL-2-1024-MS.pth --dump_path output/pretrained_models/PixArt-Sigma-XL-2-1024-MS --only_transformer=True --image_size=1024 --version sigmaAlle Modelle werden hier automatisch heruntergeladen. Sie können die Datei auch manuell von dieser URL herunterladen.
| Modell | #Params | Checkpoint-Pfad | In OpenXLab herunterladen |
|---|---|---|---|
| T5 und SDXL-VAE | 4,5B | Diffusoren: pixart_sigma_sdxlvae_T5_diffusers | kommt bald |
| PixArt-Σ-256 | 0,6B | pth: PixArt-Sigma-XL-2-256x256.pth Diffusoren: PixArt-Sigma-XL-2-256x256 | kommt bald |
| PixArt-Σ-512 | 0,6B | pth: PixArt-Sigma-XL-2-512-MS.pth Diffusoren: PixArt-Sigma-XL-2-512-MS | kommt bald |
| PixArt-α-512-DMD | 0,6B | Diffusoren: PixArt-Alpha-DMD-XL-2-512x512 | kommt bald |
| PixArt-Σ-1024 | 0,6B | pth: PixArt-Sigma-XL-2-1024-MS.pth Diffusoren: PixArt-Sigma-XL-2-1024-MS | kommt bald |
| PixArt-Σ-2K | 0,6B | pth: PixArt-Sigma-XL-2-2K-MS.pth Diffusoren: PixArt-Sigma-XL-2-2K-MS | kommt bald |
Wir werden unser Bestes geben, um es zu veröffentlichen
@misc{chen2024pixartsigma,
title={PixArt-Sigma: Weak-to-Strong Training of Diffusion Transformer for 4K Text-to-Image Generation},
author={Junsong Chen and Chongjian Ge and Enze Xie and Yue Wu and Lewei Yao and Xiaozhe Ren and Zhongdao Wang and Ping Luo and Huchuan Lu and Zhenguo Li},
year={2024},
eprint={2403.04692},
archivePrefix={arXiv},
primaryClass={cs.CV}
