distill-sd

distill-sd

更小更快速的Stable Diffusion模型,依靠知识蒸馏实现高质量图像生成

基于知识蒸馏技术开发的小型高速Stable Diffusion模型。这些模型保留了完整版本的图像质量,同时大幅减小了体积和提升了速度。文档详细介绍了数据下载脚本、U-net训练方法和模型参数设置,还支持LoRA训练及从检查点恢复。提供清晰的使用指南和预训练模型,适配快速高效图像生成需求。

Stable Diffusion模型压缩训练细节预训练检查点神经网络Github开源项目

项目介绍:Distill-SD

概述

Distill-SD 项目通过知识蒸馏技术,打造了更小更快的 Stable Diffusion 模型。这些缩小版的模型能够在保持接近质量的前提下,显著提高图像生成的速度,并优化存储空间使用。此项目的实施基于 BK-SDM 的研究论文中的理论。

项目组成

  • data.py:包含下载训练数据的脚本。
  • distill_training.py:用于根据研究论文中的方法训练 U-net,用户可以调整配置以训练不同尺寸的模型(如 sd_small 或 sd_tiny)、批次大小及其他超参数。这部分代码源于 Huggingface 的 diffusers 库。
  • LoRA 训练与从检查点开始的训练可以通过标准的 diffusers 脚本完成。

训练详情

知识蒸馏训练类似于一个大模型(教师模型)和小模型(学生模型)的学习过程。教师模型利用大规模数据进行训练,而学生模型在较小规模数据集上进行训练,目标是模仿教师模型的输出。Distill-SD 使用了 SG161222/Realistic_Vision_V4.0 的 U-net 模型作为教师模型,并从 recastai/LAION-art-EN-improved-captions 数据集中选择了一部分数据进行训练。

最终的训练损失包含:教师模型和学生模型之间的噪声预测 MSE 损失、实际噪声和预测噪声之间的任务损失、以及 U-net 中每个块后的预测损失总和。

参数情况

  • 常规 Stable Diffusion U-net 参数:859,520,964
  • SD_Small U-net 参数:579,384,964
  • SD_Tiny U-net 参数:323,384,964

使用方法

可以通过 Python 脚本在 GPU 上运行图像生成。用户需要提供提示语和负面提示语,以及适当的模型路径等配置参数。

训练模型

Distill-SD 的训练脚本类似于 diffusers 的文本到图像微调脚本,但增加了一些参数,例如:

  • --distill_level:指定使用的模型类型,如 "sd_small" 或 "sd_tiny"。
  • --output_weight--feature-weight:用于缩放输出和特征级别的知识蒸馏损失。

速度优势

相较于完整版本,Distill-SD 模型可实现高达 100% 的推断速度提升和 30% 的显存使用减少,其训练和 LORA 训练也具备加速性能。

局限性

虽然 Distill-SD 模型在许多方面都已经很优秀,但其效果尚未达到生产质量水平。在多概念或组合性上仍有进一步提高的空间。

研究路线图

团队计划在未来开发 SDXL 蒸馏模型、进一步优化 SD-1.5 基础模型、应用 Flash Attention-2 和 TensorRT 等技术以提高模型的训练和推断速度。

致谢

项目得到了 Nota AI 在模型压缩领域研究的启发和支持。在此向他们的研究工作表达谢意。

通过以上的改进和计划,Distill-SD 项目继续致力于将模型压缩及快速高效的图像生成推向新高。

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

下拉加载更多