Diffusers 文档
使模型适应新任务
加入 Hugging Face 社区
并获得增强的文档体验
开始使用
使模型适应新任务
许多扩散系统共享相同的组件,允许您将一个预训练模型适应于完全不同的任务。
本指南将向您展示如何通过初始化和修改预训练的 UNet2DConditionModel 架构,将预训练的文本到图像模型适应于图像修复。
配置 UNet2DConditionModel 参数
UNet2DConditionModel 默认接受输入样本中的 4 个通道(input sample)。例如,加载一个预训练的文本到图像模型,如 stable-diffusion-v1-5/stable-diffusion-v1-5
,并查看 in_channels
的数量。
from diffusers import StableDiffusionPipeline
pipeline = StableDiffusionPipeline.from_pretrained("stable-diffusion-v1-5/stable-diffusion-v1-5", use_safetensors=True)
pipeline.unet.config["in_channels"]
4
图像修复需要输入样本中的 9 个通道。您可以在预训练的图像修复模型中查看此值,例如 runwayml/stable-diffusion-inpainting
。
from diffusers import StableDiffusionPipeline
pipeline = StableDiffusionPipeline.from_pretrained("runwayml/stable-diffusion-inpainting", use_safetensors=True)
pipeline.unet.config["in_channels"]
9
为了将文本到图像模型适应于图像修复,您需要将 in_channels
的数量从 4 更改为 9。
使用预训练的文本到图像模型权重初始化 UNet2DConditionModel,并将 in_channels
更改为 9。更改 in_channels
的数量意味着您需要设置 ignore_mismatched_sizes=True
和 low_cpu_mem_usage=False
以避免由于形状不同而导致的尺寸不匹配错误。
from diffusers import AutoModel
model_id = "stable-diffusion-v1-5/stable-diffusion-v1-5"
unet = AutoModel.from_pretrained(
model_id,
subfolder="unet",
in_channels=9,
low_cpu_mem_usage=False,
ignore_mismatched_sizes=True,
use_safetensors=True,
)
文本到图像模型中其他组件的预训练权重是从其检查点初始化的,但 unet
的输入通道权重(conv_in.weight
)是随机初始化的。对图像修复模型进行微调很重要,否则模型会返回噪声。