概述

🤗 Diffusers 提供了一系列訓練指令碼，供您訓練自己的擴散模型。您可以在 diffusers/examples 中找到所有訓練指令碼。

每個訓練指令碼都具有以下特點：

自給自足：訓練指令碼不依賴任何本地檔案，執行指令碼所需的所有包都透過 requirements.txt 檔案安裝。
易於調整：訓練指令碼是針對特定任務訓練擴散模型的示例，並非適用於所有訓練場景。您可能需要根據自己的特定用例調整訓練指令碼。為了幫助您完成此操作，我們已完全公開資料預處理程式碼和訓練迴圈，以便您可以根據自己的用途進行修改。
新手友好：訓練指令碼旨在對新手友好且易於理解，而不是包含最新的最先進方法以獲得最佳和最具競爭力的結果。我們認為過於複雜的訓練方法會被有意省略。
單一用途：每個訓練指令碼都明確設計用於一項任務，以保持其可讀性和可理解性。

我們當前的訓練指令碼集合包括：

訓練	支援 SDXL	支援 LoRA	支援 Flax
無條件影像生成
文字到影像	👍	👍	👍
文字反轉			👍
DreamBooth	👍	👍	👍
ControlNet	👍		👍
InstructPix2Pix	👍
Custom Diffusion
T2I-Adapters	👍
Kandinsky 2.2		👍
Wuerstchen		👍

這些示例得到積極維護，因此如果它們未按預期工作，請隨時提出問題。如果您認為應包含其他訓練示例，歡迎提出功能請求，與我們討論您的功能想法以及它是否符合我們自給自足、易於調整、新手友好和單一用途的標準。

安裝

透過在新虛擬環境中從原始碼安裝庫，確保您可以成功執行最新版本的示例指令碼：

git clone https://github.com/huggingface/diffusers
cd diffusers
pip install .

然後導航到訓練指令碼的資料夾（例如，DreamBooth）並安裝 requirements.txt 檔案。某些訓練指令碼對 SDXL、LoRA 或 Flax 有特定的需求檔案。如果您正在使用其中一個指令碼，請確保安裝其相應的需求檔案。

cd examples/dreambooth
pip install -r requirements.txt
# to train SDXL with DreamBooth
pip install -r requirements_sdxl.txt

為了加快訓練速度並減少記憶體使用，我們建議：