ssebowa

Ssebowa

Ssebowa es una biblioteca Python de código abierto que proporciona modelos generativos de IA, que incluyen:

• ssebowa-llm: un modelo de lenguaje grande (LLM) para generación de texto,
• ssebowa-vllm: un modelo de lenguaje visual (VLLM) para la comprensión visual,
• ssebowa-imagen: generación de imágenes y modelo de ajuste fino personalizado.
• Ssebowa-vigen: un modelo de generación de vídeo.

Con Ssebowa, puede generar texto fácilmente, traducir idiomas, escribir diferentes tipos de contenido creativo, generar imágenes personalizadas y responder sus preguntas de manera informativa.

Para obtener información de uso más detallada, consulte: Documentación técnica de Ssebowa

Uso

Antes de ejecutar el script, asegúrese de que estén instaladas las bibliotecas necesarias. Puedes hacer esto ejecutando los siguientes comandos:

git clone https://github.com/huggingface/diffusers
cd diffusers
pip install .

Luego instale Ssebowa

pip install ssebowa

Si está ejecutando estos comandos en colab o jupyter notebook, utilice esto,

 ! git clone https://github.com/huggingface/diffusers
! cd diffusers
! pip install .

! pip install ssebowa

Ahora puedes acceder a los diferentes modelos importándolos desde la biblioteca:

Generación de imágenes Ssebowa

Ssebowa-Imagen es un modelo de síntesis de imágenes de código abierto que utiliza una combinación de diffusion modeling y generative adversarial networks (GANs) para generar imágenes de alta calidad a partir de text descriptions y también permite convertir algunas fotos en custom model capaz de generar Impresionantes imágenes del chosen subject . Aprovecha un conjunto de 100 billion dataset de imágenes y descripciones de texto, lo que le permite capturar con precisión los matices de las imágenes del mundo real y traducir de manera efectiva descripciones de texto en representaciones visuales convincentes.

Ajuste de sus propios datos

• Prepare entre 10-20 high-quality (jpg or png) como las suyas, de amigos, de productos o de mascotas, etc., y colóquelas en un directorio específico.
• Ejecútelo en una máquina con una GPU de 16GB or more . (Si está ajustando SDXL, necesitará 24 GB de VRAM).

from ssebowa.dataset import LocalDataset
from ssebowa.model import SdSsebowaModel
from ssebowa.trainer import LocalTrainer
from ssebowa.utils.image_helpers import display_images
from ssebowa.utils.prompt_helpers import make_prompt

DATA_DIR = " data "  # The directory where you put your prepared photos
OUTPUT_DIR = " models "  

dataset = LocalDataset(DATA_DIR)
dataset = dataset.preprocess_images(detect_face=True)

SUBJECT_NAME = " <YOUR-NAME> "  
CLASS_NAME = " person " 

model = SdSsebowaModel(subject_name=SUBJECT_NAME, class_name=CLASS_NAME)
trainer = LocalTrainer(output_dir=OUTPUT_DIR)
predictor = trainer.fit(model, dataset)
# Use the prompt helper to create an awesome AI avatar!
prompt = next(make_prompt(SUBJECT_NAME, CLASS_NAME))
images = predictor.predict(
    prompt, height=768, width=512, num_images_per_prompt=2,
)

display_images(images, fig_size=10)

Generación de imágenes

from ssebowa import Ssebowa_imgen
model = Ssebowa_imgen ()

Generar una imagen con la descripción del texto.

Como generemos "Un gato sentado en una estantería"

image = model.generate_image( " A cat sitting on a bookshelf " )

Guardar la imagen en un archivo

image.save( " cat_on_bookshelf.jpg " )

Modelo de lenguaje de visión Ssebowa

Ssebowa-vllm es un modelo de lenguaje visual grande (VLLM) de código abierto desarrollado por Ssebowa AI. Es una herramienta poderosa que se puede utilizar para comprender imágenes. Ssebowa-vllm tiene 11 mil millones de parámetros visuales y 7 mil millones de parámetros de lenguaje, lo que admite la comprensión de imágenes con una resolución de 1120*1120.

from ssebowa import ssebowa_vllm
model = ssebowa_vllm ()

response =  model.understand(image_path, prompt)
print(response)

Contribuyendo

¡Ssebowa está abierto a contribuciones! Directrices en proceso..

Licencia

Ssebowa se publica bajo la licencia Apache 2.0.

Contacto

Si tiene alguna pregunta o sugerencia, no dude en abrir un problema en GitHub o contáctenos en [email protected].