/ Модель

Характеристики

Размер весов
5 ГБ
Лицензия
MIT
Библиотека
diffusers
Опубликована
16 окт 2025

Nitro-E

Генерация изображенийТекст → изображение3 профессии

Компактная диффузионная модель AMD для быстрой генерации изображений 512 пикселей по текстовым запросам.

997скачиваний за 30 дней101лайквеса обновлены3 ноя 2025

Бенчмарки

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

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

Nitro-E — семейство компактных моделей генерации изображений по тексту, разработанное AMD. Базовая Nitro-E-512px построена на архитектуре Efficient Multimodal Diffusion Transformer (E-MMDiT), обучена с нуля и содержит 304 млн параметров. Модель рассчитана на создание изображений размером 512 пикселей; генерация выполняется за 20 шагов. Также представлены дистиллированная версия Nitro-E-512px-dist и версия Nitro-E-512px-GRPO, дообученная методом Group Relative Policy Optimization.

Модель ориентирована на эффективное обучение и вывод изображений при ограниченных вычислительных ресурсах. В README приведены показатели скорости на AMD Instinct MI300X: 18,8 изображения в секунду для базовой версии и 39,3 для дистиллированной при указанных настройках пакетной обработки. Обучение базовой модели заняло 1,5 дня на узле с восемью такими ускорителями. Репозиторий использует Diffusers и формат Safetensors; лицензия — MIT. Языковая поддержка и ограничения по содержанию в карточке не описаны.

Сценарии применения

  • создание иллюстраций по текстовому описанию
  • быстрое прототипирование визуальных концепций
  • генерация изображений размером 512 пикселей
  • пакетное создание изображений на AMD Instinct MI300X

Ограничения

Описанные показатели скорости относятся к AMD Instinct MI300X и указанным в README настройкам; переносимость этих показателей на другое оборудование не подтверждена. Модель ориентирована на изображения 512 пикселей, а поддерживаемые языки и ограничения по содержанию не описаны.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

AMD Nitro-E

image/png

Introduction

Nitro-E is a family of text-to-image diffusion models focused on highly efficient training. With just 304M parameters, Nitro-E is designed to be resource-friendly for both training and inference. For training, it only takes 1.5 days on a single node with 8 AMD Instinct™ MI300X GPUs. On the inference side, Nitro-E delivers a throughput of 18.8 samples per second (batch size 32, 512px images) a single AMD Instinct MI300X GPU. The distilled version can further increase the throughput to 39.3 samples per second. The release consists of:

  • Nitro-E-512px: a EMMDiT-based 20-steps model train from scratch.
  • Nitro-E-512px-dist: a EMMDiT-based model distilled from Nitro-E-512px.
  • Nitro-E-512px-GRPO: a post-training model fine-tuned from Nitro-E-512px using Group Relative Policy Optimization (GRPO) strategy.

⚡️ Open-source code! ⚡️ technical blog!

Details

  • Model architecture: We propose Efficient Multimodal Diffusion Transformer (E-MMDiT), an efficient and lightweight multimodal diffusion model with only 304M parameters for fast image synthesis requiring low training resources. Our design philosophy centers on token reduction as the computational cost scales significantly with the token count. We adopt a highly compressive visual tokenizer to produce a more compact representation and propose a novel multi-path compression module for further compression of tokens. To enhance our design, we introduce Position Reinforcement, which strengthens positional information to maintain spatial coherence, and Alternating Subregion Attention (ASA), which performs attention within subregions to further reduce computational cost. In addition, we propose AdaLN-affine, an efficient lightweight module for computing modulation parameters in transformer blocks. See our technical blog post for more details.
  • Dataset: Our models were trained on a dataset of ~25M images consisting of both real and synthetic data sources that are openly available on the internet. We make use of the following datasets for training: Segment-Anything-1B, JourneyDB, DiffusionDB and DataComp as prompt of the generated data.
  • Training cost: The Nitro-E-512px model requires only 1.5 days of training from scratch on a single node with 8 AMD Instinct™ MI300X GPUs.

Quickstart

  • Image generation with 20 steps:
import torch
from core.tools.inference_pipe import init_pipe

device = torch.device('cuda:0')
dtype = torch.bfloat16
repo_name = "amd/Nitro-E"

resolution = 512
ckpt_name = 'Nitro-E-512px.safetensors'

# for 1024px model
# resolution = 1024
# ckpt_name = 'Nitro-E-1024px.safetensors'

use_grpo = True

if use_grpo: 
    pipe = init_pipe(device, dtype, resolution, repo_name=repo_name, ckpt_name=ckpt_name, ckpt_path_grpo='ckpt_grpo_512px')
else:
    pipe = init_pipe(device, dtype, resolution, repo_name=repo_name, ckpt_name=ckpt_name)
prompt = 'A hot air balloon in the shape of a heart grand canyon'
images = pipe(prompt=prompt, width=resolution, height=resolution, num_inference_steps=20, guidance_scale=4.5).images
  • Image generation with 4 steps:
import torch
from core.tools.inference_pipe import init_pipe

device = torch.device('cuda:0')
dtype = torch.bfloat16
resolution = 512
repo_name = "amd/Nitro-E"
ckpt_name = 'Nitro-E-512px-dist.safetensors'

pipe = init_pipe(device, dtype, resolution, repo_name=repo_name, ckpt_name=ckpt_name)
prompt = 'A hot air balloon in the shape of a heart grand canyon'

images = pipe(prompt=prompt, width=resolution, height=resolution, num_inference_steps=4, guidance_scale=0).images

License

Copyright (c) 2025 Advanced Micro Devices, Inc. All Rights Reserved.

This project is licensed under the MIT License.

Как запустить

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

GPU в ailist

Универсальный рантайм · diffusers

Нельзя запустить

Генеративная модель выложена не в формате diffusers.

Ревизия весов
3ad0c9f

0 моделей