modelscope-scepter/scepter/methods/studio/tuner_manager/readme_zh.md

frameworks, license, tasks

frameworks	license	tasks
Pytorch	apache-2.0	efficient-diffusion-tuning

{MODEL_NAME}

模型介绍

{MODEL_DESCRIPTION}

模型参数

基础模型	微调类型	训练参数
		批次大小	轮数	学习率	分辨率
{BASE_MODEL}	{TUNER_TYPE}	{TRAIN_BATCH_SIZE}	{TRAIN_EPOCH}	{LEARNING_RATE}	[{HEIGHT}, {WIDTH}]

数据类型	数据空间	数据名称	数据子集
{DATA_TYPE}	{MS_DATA_SPACE}	{MS_DATA_NAME}	{MS_DATA_SUBNAME}

模型效果

输入 "{EVAL_PROMPT}"，可能会得到如下图像：

模型使用

命令行运行

• 使用scepter的sdk进行运行，注意需要按照模型参数中基模型的不同使用不同的配置文件，其对应关系如下

Base Model	LORA	SCE	TEXT_LORA	TEXT_SCE
	SD1.5	lora_cfg	sce_cfg	text_lora_cfg	text_sce_cfg
SD2.1		lora_cfg	sce_cfg	text_lora_cfg	text_sce_cfg
		SDXL	lora_cfg	sce_cfg	text_lora_cfg	text_sce_cfg

• 从源码运行

git clone https://github.com/modelscope/scepter.git
cd scepter
pip install -r requirements/recommended.txt
PYTHONPATH=. python scepter/tools/run_inference.py
  --pretrained_model {this model folder}
  --cfg {lora_cfg} or {sce_cfg} or {text_lora_cfg} or {text_sce_cfg}
  --prompt '{EVAL_PROMPT}'
  --save_folder 'inference'

• 安装scepter后运行（推荐）

pip install scepter
python -m scepter/tools/run_inference.py
  --pretrained_model {this model folder}
  --cfg {lora_cfg} or {sce_cfg} or {text_lora_cfg} or {text_sce_cfg}
  --prompt '{EVAL_PROMPT}'
  --save_folder 'inference'

使用Scepter Studio运行

pip install scepter
启动scepter studio
python -m scepter.tools.webui

• 参考以下指南使用模型

模型引用

如果你想使用该模型应用于自己的场景，请按照如下方式引用该模型。

@misc{{MODEL_NAME},
    title = {{MODEL_NAME}, {MODEL_URL}},
    author = {{USER_NAME}},
    year = {2024}
}

该模型是基于Scepter Studio训练得到；scepter 是由阿里巴巴通义万相团队开发的算法框架和工具箱，提供图像生成、编辑、微调、数据处理等一系列工具和模型。如果您觉得我们的工作有益于您的工作， 请按照如下方式引用。

@misc{scepter,
    title = {SCEPTER, https://github.com/modelscope/scepter},
    author = {SCEPTER},
    year = {2023}
}