Instructions to use cpral/HomeIMG-1.2B-PL-EN-epoch49.2 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- Diffusers
How to use cpral/HomeIMG-1.2B-PL-EN-epoch49.2 with Diffusers:
pip install -U diffusers transformers accelerate
import torch from diffusers import DiffusionPipeline # switch to "mps" for apple devices pipe = DiffusionPipeline.from_pretrained("cpral/HomeIMG-1.2B-PL-EN-epoch49.2", dtype=torch.bfloat16, device_map="cuda") prompt = "Astronaut in a jungle, cold color palette, muted colors, detailed, 8k" image = pipe(prompt).images[0] - Notebooks
- Google Colab
- Kaggle
- Local Apps Settings
- Draw Things
- DiffusionBee
HomeIMG-1.2B-PL-EN-epoch49.2
Polsko-angielski generator z denoiserem DiT 1,24B, refinerem tekstu 72,1M i zamrożoną Poziomką-Bazą.
Przykłady
Test22
22 polskie prompty × 4 seedy. Obrazy 1024 × 1024, 50 kroków, CFG 3, time shift 6.
Trening i rozkład szumu
Kontynuowałem trening epoch49 przez 2048 aktualizacji po 576 obrazów (1 179 648 prezentacji). Budżet tokenów obrazu dla 256, 512 i 1024 px miał proporcję 1:1:4, z większym udziałem wysokiej rozdzielczości. To wspólny punkt startowy gałęzi DanceOPD2048 i DiffusionOPD3072.
W flow matching losowałem z ~ N(0,1), u = sigmoid(z), a następnie t = s·u / (1 + (s−1)·u). Przesunięcie s wynosiło odpowiednio 1,5, 3 i 6. Mediany t to 0,60, 0,75 i około 0,857. Większe obrazy otrzymywały więc silniej zaszumione wejścia. Uczeń widział interpolację czystego latentu i szumu Gaussa. Dopiero kolejne etapy OPD wprowadziły stany wygenerowane przez samego ucznia.
Użycie
import torch
from diffusers import DiffusionPipeline
REPO = "cpral/HomeIMG-1.2B-PL-EN-epoch49.2"
pipe = DiffusionPipeline.from_pretrained(
REPO, custom_pipeline=REPO, trust_remote_code=True
).to("cuda")
image = pipe(
"rudy lis siedzący w zaśnieżonym lesie o wschodzie słońca, fotografia",
resolution=1024,
num_inference_steps=50,
guidance_scale=3.0,
time_shift=6.0,
generator=torch.Generator("cuda").manual_seed(0),
).images[0]
image.save("lis.png")
Licencje
Denoiser, refiner i kod są udostępniane na Apache-2.0, jak w modelu bazowym. Bundlowana Poziomka ma licencję openmdw-1.1.
- Downloads last month
- 50
Model tree for cpral/HomeIMG-1.2B-PL-EN-epoch49.2
Base model
cpral/HomeIMG-1.2B-PL-EN-epoch40
