ideogram_4_unconditional_lora

מה זה

הקבצים האלה הם LoRA שנבנה מתוך ההפרש בין המשקלים המותנים והלא מותנים של Ideogram 4, ועבר אימון בשיטת תלמיד מורה מול נתונים אמיתיים. במקום להחזיק בזיכרון את מודל הבסיס הלא מותנה המלא ששוקל תשעה מיליארד פרמטרים, מלבישים את המתאם הזה על המודל המותנה רק בריצה הלא מותנית.

המטרה העיקרית שלו היא התאמה לערכת הכלים Ostris AI Toolkit, כדי לייצר דוגמאות בדיקה קרובות לפייפליין המלא בלי לשלם במשאבים. הפתרון מיועד למי שכבר עובד עם diffusers ומנסה להוריד עלויות זיכרון בלי לשבור את תהליך ההסקה.

מתאים ל

• ייצור דגימות בבדיקות

  מאפשר בדיקת פלטים בתוך AI Toolkit בלי להעמיס מודל מלא.

• עבודה עם VRAM מוגבל

  חוסך את הצורך לטעון מודל 9B נוסף לכרטיס המסך.

• פיתוח מקומי קל

  מריץ את שלב ה־unconditional עם תוספת של 104 מגה בלבד.

איפה זה נופל

היוצר מציין במפורש שהרצה של המודל המקורי המלא תתן תוצאות טובות יותר. זהו קירוב בלבד שנועד לחסוך משאבים, ולכן איכות התמונות עלולה לרדת בהשוואה להסקה המקורית המלאה. מומלץ לבדוק את איכות הפלט מול המקור לפני שמשלבים אותו בסביבה חיה.

איך מריצים

טוענים את המשקלים דרך diffusers ישירות מעל המודל המותנה הרגיל בזמן המעבר הלא מותנה. גודל הקבצים כאן הוא 104 מגה בייט בלבד, כך שההורדה והשילוב זניחים לחלוטין בצריכת האחסון.

החיסכון האמיתי הוא בכרטיס המסך, כי נמנעים מטעינת מודל נפרד של 9B פרמטרים לזיכרון ה־VRAM. אם אתם עובדים על שרת מקומי חזק עם מספיק זיכרון לשני המודלים המלאים, עדיף להריץ את המקור. אם הזיכרון חנוק או שהשרת שלכם קטן, המעקף הזה נותן פתרון פרקטי.

from diffusers import DiffusionPipeline

pipe = DiffusionPipeline.from_pretrained("ostris/ideogram_4_unconditional_lora")
img = pipe("a photo").images[0]

הקבצים

3 קבצים במאגר, 104 MB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

• ideogram_4_unconditional_lora_r16.safetensors109.0 MB
• .gitattributes1.5 KB
• README.md1.1 KB

הרישיון

הרישיון מוגדר כמותאם אישית ולא כרישיון קוד פתוח סטנדרטי. במצב כזה חובה לחפש ולקרוא את תנאי השימוש של היוצר ושל מודל הבסיס לפני שמשלבים אותו במוצר מסחרי, כי הזכויות לשימוש חופשי אינן מובטחות.

הרישיון המלא בעמוד המודל ↗