- Tamamen C/C++ ile uygulanmış Stable Diffusion ve makine öğrenimi modeli hakkında bir yazı
- ggml tabanlı uygulama; çalışma biçimi llama.cpp'ye benziyor
- 16 bit ve 32 bit float ile 4 bit, 5 bit ve 8 bit tamsayı kuantizasyonunu destekliyor
- Bellek verimli ve CPU çıkarımı için optimize edilmiş uygulama;
txt2img ile 512x512 görsel üretirken yaklaşık 2.3GB gerekiyor
- x86 mimarisi için AVX, AVX2, AVX512 desteği
- Orijinal
txt2img ve img2img modları ile stable-diffusion-webui tarzı tokenizer içeren uygulama
- Kullanılan örnekleme yöntemi Euler A
- Linux, Mac OS ve Windows platformlarıyla uyumlu uygulama
- Daha fazla örnekleme yöntemi, GPU desteği, daha hızlı çıkarım, daha düşük bellek kullanımı, LoRA desteği, k-quants desteği ve platformlar arası yeniden üretilebilirlik gibi gelecekte planlanan iyileştirmeler
- Kodun edinilmesi, ağırlık dönüştürme, derleme ve uygulamanın çalıştırılması için ayrıntılı yönergeler sunan yazı
- 16 bit kayan nokta, 32 bit kayan nokta ve çeşitli tamsayı kuantizasyonları dahil olmak üzere çeşitli çıktı model biçimlerini destekleyen uygulama
txt2img ve img2img modları için uygulama kullanım örnekleri sunan yazı- Kullanılan hassasiyete göre bellek ve disk gereksinimleri değişiyor; ancak 512x512 görseller için bellek gereksinimi yaklaşık 2.0G ile 2.8G arasında
- ggml, stable-diffusion, stable-diffusion-webui ve k-diffusion gibi çeşitli referanslara dayanan uygulama
Henüz yorum yok.