Diffusers

加入 Hugging Face 社区

并获得增强的文档体验

在模型、数据集和 Spaces 上进行协作

通过加速推理获得更快的示例

切换文档主题

开始使用

无条件图像生成

无条件图像生成模型在训练期间不以文本或图像为条件。它只生成与其训练数据分布相似的图像。

本指南将探讨 train_unconditional.py 训练脚本，以帮助您熟悉它，以及如何根据您自己的用例对其进行调整。

在运行脚本之前，请确保从源代码安装库

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

然后导航到包含训练脚本的示例文件夹并安装所需的依赖项。

cd examples/unconditional_image_generation
pip install -r requirements.txt

🤗 Accelerate 是一个帮助您在多个 GPU/TPU 或混合精度下进行训练的库。它将根据您的硬件和环境自动配置您的训练设置。请查看 🤗 Accelerate 快速导览以了解更多信息。

初始化 🤗 Accelerate 环境

accelerate config

要设置默认的 🤗 Accelerate 环境而不选择任何配置

accelerate config default

或者，如果您的环境不支持交互式 shell（例如笔记本），您可以使用

from accelerate.utils import write_basic_config

write_basic_config()

最后，如果您想在自己的数据集上训练模型，请查看创建训练数据集指南，了解如何创建与训练脚本兼容的数据集。

脚本参数

以下部分重点介绍训练脚本中对于理解如何修改它很重要的部分，但它没有详细介绍脚本的各个方面。如果您有兴趣了解更多信息，请随时阅读脚本，如果您有任何问题或疑虑，请告诉我们。

训练脚本提供了许多参数来帮助您自定义训练运行。所有参数及其描述都可以在 parse_args() 函数中找到。它为每个参数提供了默认值，例如训练批处理大小和学习率，但您也可以在训练命令中设置自己的值（如果需要）。

例如，为了使用 bf16 格式的混合精度加速训练，请在训练命令中添加 --mixed_precision 参数

accelerate launch train_unconditional.py \
  --mixed_precision="bf16"

一些基本且重要的参数包括

--dataset_name：Hub 上的数据集名称或要训练的数据集的本地路径
--output_dir：训练好的模型的保存位置
--push_to_hub：是否将训练好的模型推送到 Hub
--checkpointing_steps：模型训练时保存检查点的频率；如果训练中断，这很有用，您可以通过在训练命令中添加 --resume_from_checkpoint 从该检查点继续训练

带上您的数据集，让训练脚本处理其他一切！

训练脚本

数据集预处理和训练循环的代码在 main() 函数中。如果您需要调整训练脚本，这就是您需要进行更改的地方。

如果您不提供模型配置，train_unconditional 脚本将初始化一个 UNet2DModel。您可以在此处配置 UNet（如果需要）

model = UNet2DModel(
    sample_size=args.resolution,
    in_channels=3,
    out_channels=3,
    layers_per_block=2,
    block_out_channels=(128, 128, 256, 256, 512, 512),
    down_block_types=(
        "DownBlock2D",
        "DownBlock2D",
        "DownBlock2D",
        "DownBlock2D",
        "AttnDownBlock2D",
        "DownBlock2D",
    ),
    up_block_types=(
        "UpBlock2D",
        "AttnUpBlock2D",
        "UpBlock2D",
        "UpBlock2D",
        "UpBlock2D",
        "UpBlock2D",
    ),
)

接下来，脚本会初始化一个调度器和优化器

# Initialize the scheduler
accepts_prediction_type = "prediction_type" in set(inspect.signature(DDPMScheduler.__init__).parameters.keys())
if accepts_prediction_type:
    noise_scheduler = DDPMScheduler(
        num_train_timesteps=args.ddpm_num_steps,
        beta_schedule=args.ddpm_beta_schedule,
        prediction_type=args.prediction_type,
    )
else:
    noise_scheduler = DDPMScheduler(num_train_timesteps=args.ddpm_num_steps, beta_schedule=args.ddpm_beta_schedule)

# Initialize the optimizer
optimizer = torch.optim.AdamW(
    model.parameters(),
    lr=args.learning_rate,
    betas=(args.adam_beta1, args.adam_beta2),
    weight_decay=args.adam_weight_decay,
    eps=args.adam_epsilon,
)

然后它加载数据集，您可以指定如何预处理它

dataset = load_dataset("imagefolder", data_dir=args.train_data_dir, cache_dir=args.cache_dir, split="train")

augmentations = transforms.Compose(
    [
        transforms.Resize(args.resolution, interpolation=transforms.InterpolationMode.BILINEAR),
        transforms.CenterCrop(args.resolution) if args.center_crop else transforms.RandomCrop(args.resolution),
        transforms.RandomHorizontalFlip() if args.random_flip else transforms.Lambda(lambda x: x),
        transforms.ToTensor(),
        transforms.Normalize([0.5], [0.5]),
    ]
)

最后，训练循环处理其他所有事情，例如向图像添加噪声、预测噪声残差、计算损失、在指定步骤保存检查点，以及保存模型并将其推送到 Hub。如果您想了解训练循环的工作原理，请查看了解管道、模型和调度器教程，该教程详细介绍了去噪过程的基本模式。

启动脚本

完成所有更改或对默认配置满意后，您就可以启动训练脚本了！🚀

在 4 块 V100 GPU 上，一次完整的训练运行需要 2 小时。

单 GPU

多 GPU

训练脚本在您的存储库中创建并保存一个检查点文件。现在您可以加载并使用您训练好的模型进行推理了

from diffusers import DiffusionPipeline
import torch

pipeline = DiffusionPipeline.from_pretrained("anton-l/ddpm-butterflies-128").to("cuda")
image = pipeline().images[0]

< > 在 GitHub 上更新

←将模型适配到新任务文本到图像→