/ Модель
Каталог

Характеристики

Лицензия
Своя лицензия
Базовая модель
noobai-XL-1.0
Библиотека
diffusers
Опубликована
28 ноя 2024

Ссылки

Hugging Face

arcaillous-nbxl-v10

Bedovyy
Генерация изображенийТекст → изображение3 профессии

Дообученная на базе NoobAI-XL-1.0 модель для генерации изображений по текстовым промптам.

51скачиваний за 30 дней6лайковвеса обновлены2 дек 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображения» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели сгенерируют результат по каждой задаче. Опубликованный тест появится на этой странице.

Открыть конструктор бенчмарка

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Arcaillous-NBXL-v10 — дообученная модель генерации изображений, созданная Bedovyy на базе Laxhar/noobai-XL-1.0. Она принимает текстовые промпты и предназначена для создания изображений; репозиторий содержит веса Safetensors для использования с Diffusers.

Модель обучали в два этапа с помощью kohya-ss/sd-scripts: сначала Lion8bit для ускоренного обучения, затем Lion для детализации. В README не описаны конкретные стили, особенности генерации или ограничения качества. Лицензия в метаданных указана как other, поэтому перед использованием следует проверить условия лицензии на странице модели.

Сценарии применения

  • создание изображений по текстовому описанию
  • генерация иллюстраций по теговым промптам
  • подготовка изображений для творческих проектов

Ограничения

В карточке не приведены оценки качества, детальные ограничения генерации или рекомендуемые параметры. Условия лицензии обозначены как other и требуют проверки перед использованием.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделейIV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934моделиI.10Универсальные способностиВидео, анимация и 3DAI помогает создавать, анализировать и преобразовывать динамический визуальный контент и 3D-сцены.18 задач3 279моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Training

Trained in 2steps, Lion8bit for quick training and Lion for detail.

  • Tool: kohya-ss/sd-scripts
  • GPUs: 2x RTX3090

arcaillous-nbxl-v10b.safetensors

NCCL_P2P_DISABLE=1 NCCL_IB_DISABLE=1 accelerate launch --num_cpu_threads_per_process 8 sdxl_train.py $@ \
        --pretrained_model_name_or_path="/ai/data/sd/models/Stable-diffusion/noobaiXLNAIXL_epsilonPred10Version.safetensors" \
        --dataset_config="arca_nbxl.toml" \
        --output_dir="results/ckpt" --output_name="arcaillous-nbxl-v10b" \
        --save_model_as="safetensors" \
        --train_batch_size 4 --gradient_accumulation_steps 64 \
        --learning_rate=1e-5 --optimizer_type="Lion8bit" \
        --lr_scheduler="constant_with_warmup" --lr_warmup_steps 100 --optimizer_args "weight_decay=0.01" "betas=0.9,0.95" --min_snr_gamma 5 \
        --sdpa \
        --no_half_vae \
        --cache_latents --cache_latents_to_disk \
        --gradient_checkpointing \
        --full_bf16 --mixed_precision="bf16" --save_precision="fp16" \
        --ddp_timeout=10000000 \
        --max_train_epochs 4 --save_every_n_epochs 1 \
        --log_with wandb --log_tracker_name kohya-ss --wandb_run_name "arca_nbxl_`date +%y%m%d-%H%M`" --logging_dir wandb

arcaillous-nbxl-v10.safetensors

NCCL_P2P_DISABLE=1 NCCL_IB_DISABLE=1 accelerate launch --num_cpu_threads_per_process 8 sdxl_train.py $@ \
        --pretrained_model_name_or_path="/ai/train/ckpt/arcaillous-nbxl-v10b.safetensors" \
        --dataset_config="arca_nbxl.toml" \
        --output_dir="results/ckpt" --output_name="arcaillous-nbxl-v10" \
        --save_model_as="safetensors" \
        --train_batch_size 1 --gradient_accumulation_steps 256 \
        --learning_rate=1e-5 --optimizer_type="Lion" \
        --lr_scheduler="constant_with_warmup" --lr_warmup_steps 100 --optimizer_args "weight_decay=0.01" "betas=0.9,0.95" \
        --min_snr_gamma 5 --ip_noise_gamma 0.05 --debiased_estimation_loss \
        --xformers \
        --no_half_vae \
        --cache_latents --cache_latents_to_disk \
        --gradient_checkpointing \
        --full_bf16 --mixed_precision="bf16" --save_precision="fp16" \
        --ddp_timeout=10000000 \
        --max_train_epochs 8 --save_every_n_epochs 1 --save_every_n_steps 200 \
        --log_with wandb --log_tracker_name kohya-ss --wandb_run_name "arca_nbxl_`date +%y%m%d-%H%M`" --logging_dir wandb

arca_nbxl.toml

[general]
shuffle_caption = true
caption_tag_dropout_rate = 0.2
keep_tokens_separator = "|||"
caption_extension = ".txt"

[[datasets]]
  enable_bucket = true
  min_bucket_reso = 512
  max_bucket_reso = 4096
  resolution = 1024

  [[datasets.subsets]]
  image_dir = "/ai/data/sd/datasets/danbooru-gs"
  num_repeats = 1
  [[datasets.subsets]]
  image_dir = "/storage/pls2000_pixiv20161029_20241026_monthly_rank_1_50/to_train"
  num_repeats = 1
  [[datasets.subsets]]
  image_dir = "/storage/aichan/to_train"
  num_repeats = 1

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · diffusers

Можно запустить

Подбираем GPU…

Ревизия весов
aa9c3cd

0 моделей

    Создать бенчмарк