/ Модель

Характеристики

Размер весов
29,2 МБ
Лицензия
Своя лицензия
Базовая модель
stable-diffusion-3.5-medium
Опубликована
10 фев 2025

sd35m-sfwbooru-lokr

Генерация изображенийТекст → изображение3 профессии

bghira/sd35m-sfwbooru-lokr — адаптер LoRA для генерации изображений на базе Stability AI Stable Diffusion 3.5 Medium.

858скачиваний за 30 дней0лайковвеса обновлены25 мар 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

В README имя разработчика или организации, создавшей адаптер, не указано. Модель предназначена для генерации изображений по текстовому описанию и, согласно метаданным, может использоваться в сценариях text-to-image и image-to-image через экосистему Diffusers и SimpleTuner. Название указывает на ориентацию на SFW-материалы в стиле booru, однако подробное описание обучающего набора и стилистических особенностей отсутствует.

Известно, что это LoRA-адаптер, а не самостоятельная базовая модель; для работы требуется совместимая Stable Diffusion 3.5 Medium и соответствующий пайплайн. Поддерживаются текстовые промпты и создание изображений, но точный размер параметров адаптера, максимальный контекст, разрешение, языки и требования к оборудованию не указаны. Примеры демонстрируют широкий диапазон сцен, включая фантастические, киберпанк-, хоррор- и бытовые сюжеты, а также изображения с текстом, но этого недостаточно для гарантии стабильного качества в каждом сценарии.

Лицензия обозначена как «other», без уточнения условий и ограничений; перед использованием необходимо проверить лицензионные правила репозитория и базовой модели. В README также присутствует пометка not-for-all-audiences, поэтому пригодность результатов для конкретной аудитории следует оценивать отдельно.

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

sd35m-sfwbooru-lokr

This is a standard PEFT LoRA derived from stabilityai/stable-diffusion-3.5-medium.

The main validation prompt used during training was:

A photo-realistic image of a cat

Validation settings

  • CFG: 3.2
  • CFG Rescale: 0.0
  • Steps: 30
  • Sampler: FlowMatchEulerDiscreteScheduler
  • Seed: 42
  • Resolution: 1024x1024
  • Skip-layer guidance: skip_guidance_layers=[7, 8, 9],

Note: The validation settings are not necessarily the same as the training settings.

You can find some example images in the following gallery:

The text encoder was not trained. You may reuse the base model text encoder for inference.

Training settings

  • Training epochs: 4

  • Training steps: 264250

  • Learning rate: 1.0

    • Learning rate schedule: cosine
    • Warmup steps: 500000
  • Max grad value: 0.0

  • Effective batch size: 6

    • Micro-batch size: 6
    • Gradient accumulation steps: 1
    • Number of GPUs: 1
  • Gradient checkpointing: True

  • Prediction type: flow-matching (extra parameters=['shift=3'])

  • Optimizer: prodigyd0=1e-8,eps=1e-8

  • Trainable parameter precision: Pure BF16

  • Base model precision: no_change

  • Caption dropout probability: 10.0%

  • LoRA Rank: 16

  • LoRA Alpha: None

  • LoRA Dropout: 0.1

  • LoRA initialisation style: default

Datasets

sfwbooru-crop

  • Repeats: 0
  • Total number of images: 363920
  • Total number of aspect buckets: 1
  • Resolution: 1.048576 megapixels
  • Cropped: True
  • Crop style: random
  • Crop aspect: square
  • Used for regularisation data: No

Inference

import torch
from diffusers import DiffusionPipeline

model_id = 'stabilityai/stable-diffusion-3.5-medium'
adapter_id = 'bghira/sd35m-sfwbooru-lokr'
pipeline = DiffusionPipeline.from_pretrained(model_id, torch_dtype=torch.bfloat16) # loading directly in bf16
pipeline.load_lora_weights(adapter_id)

prompt = "A photo-realistic image of a cat"
negative_prompt = 'blurry, cropped, ugly'

## Optional: quantise the model to save on vram.
## Note: The model was not quantised during training, so it is not necessary to quantise it during inference time.
#from optimum.quanto import quantize, freeze, qint8
#quantize(pipeline.transformer, weights=qint8)
#freeze(pipeline.transformer)
    
pipeline.to('cuda' if torch.cuda.is_available() else 'mps' if torch.backends.mps.is_available() else 'cpu') # the pipeline is already in its target precision level
model_output = pipeline(
    prompt=prompt,
    negative_prompt=negative_prompt,
    num_inference_steps=30,
    generator=torch.Generator(device='cuda' if torch.cuda.is_available() else 'mps' if torch.backends.mps.is_available() else 'cpu').manual_seed(42),
    width=1024,
    height=1024,
    guidance_scale=3.2,
    skip_guidance_layers=[7, 8, 9],
).images[0]

model_output.save("output.png", format="PNG")

Exponential Moving Average (EMA)

SimpleTuner generates a safetensors variant of the EMA weights and a pt file.

The safetensors file is intended to be used for inference, and the pt file is for continuing finetuning.

The EMA model may provide a more well-rounded result, but typically will feel undertrained compared to the full model as it is a running decayed average of the model weights.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Базовая модель stabilityai/stable-diffusion-3.5-medium закрыта автором (gated): у платформы нет доступа к её весам.

Ревизия весов
67f9f01

0 моделей