算力平台:
概述
🤗 Diffusers 提供了一系列训练脚本，供你训练自己的扩散模型。你可以在 diffusers/examples 中找到我们所有的训练脚本。
每个训练脚本都：
- 自包含: 训练脚本不依赖于任何本地文件，运行脚本所需的所有软件包都从
requirements.txt文件中安装。 - 易于调整: 训练脚本是训练特定任务扩散模型的示例，并非适用于所有训练场景。你可能需要根据自己的特定用例调整训练脚本。为了帮助你，我们完全公开了数据预处理代码和训练循环，以便你可以根据自己的需要进行修改。
- 适合初学者: 训练脚本旨在易于理解，而不是包含最新的最先进方法来获得最佳和最具竞争力的结果。我们认为过于复杂的任何训练方法都被有意地省略了。
- 单一目的: 每个训练脚本专门设计用于一项任务，以保持其可读性和易于理解。
我们目前提供的训练脚本包括：
| Training | SDXL-support | LoRA-support | Flax-support |
|---|---|---|---|
unconditional image generation  | |||
| text-to-image | 👍 | 👍 | 👍 |
| textual inversion | 👍 | ||
| DreamBooth | 👍 | 👍 | 👍 |
| ControlNet | 👍 | 👍 | |
| InstructPix2Pix | 👍 | ||
| Custom Diffusion | |||
| T2I-Adapters | 👍 | ||
| Kandinsky 2.2 | 👍 | ||
| Wuerstchen | 👍 |
这些示例是积极维护的，因此如果它们没有按预期工作，请随时打开一个问题。如果你觉得应该包含另一个训练示例，你非常欢迎启动一个功能请求，与我们讨论你的功能想法，以及它是否符合我们关于自包含、易于调整、初学者友好和单一目的的标准。
安装
确保你可以在新的虚拟环境中从源代码安装库，从而成功运行最新版本的示例脚本：
bash
git clone https://github.com/huggingface/diffusers
cd diffusers
pip install .然后导航到训练脚本的文件夹（例如，DreamBooth），并安装 requirements.txt 文件。一些训练脚本对 SDXL、LoRA 或 Flax 有特定的需求文件。如果你使用其中一个脚本，请确保安装其对应的需求文件。
bash
cd examples/dreambooth
pip install -r requirements.txt
# to train SDXL with DreamBooth
pip install -r requirements_sdxl.txt为了加快训练速度并减少内存使用，我们建议：