PixelWave - FLUX.1-schnell 04
Parole Chiave e Tag Correlati
Parametri Consigliati
samplers
steps
cfg
resolution
vae
Parametri Consigliati per Alta Risoluzione
upscale
Suggerimenti
Usa più di 8 passi per migliorare i dettagli fini, ma l'output non cambia molto dopo 8 passi.
Aggiungere prompt di stile può aiutare il modello a generare output più ordinati e puliti.
Prova ad aumentare la scala di guida per ottenere immagini più pulite.
Evita di usare termini di 'qualità' come 4K, 8K, capolavoro, alta definizione se vuoi un aspetto naturale nella fotografia.
Per l'upscaling, prova l'upscale latente per nodo e scala il latente a 1,5 per immagini a risoluzione più alta.
Usa l'ottimizzatore pagedlion8bit per l'addestramento su GPU da 24GB, congelando i parametri time_in, vector_in e modulation per prevenire la de-distillazione.
Ferma l'addestramento dopo alcune migliaia di passi con LR 5e-6 per evitare blocchi corrotti e fai un merge dei blocchi con checkpoint precedenti per correggere la corruzione.
Punti Salienti della Versione
Fine tuning del modello schnell, senza usare in alcun modo il modello dev. Licenza Apache 2.0!
Addestrato con kohya usando un programma sigma personalizzato e congelando i parametri di tempo e modulazione per prevenire il degrado della distillazione temporale.
➤ Passi di addestramento combinati: 1.360.641
➤ Tempo di addestramento attivo: 1192,61 ore (49,7 giorni)
Sponsor del Creatore
Modello disponibile anche su: RunDiffusion e Runware.ai
Un enorme grazie a RunDiffusion per aver sponsorizzato il calcolo per l'addestramento di questo modello!
Per l'accesso API, visita Runware.ai.
PixelWave FLUX.1-schnell 04 - Apache 2.0!
File Safetensor: 💾BF16 💾FP8 💾bnb FP4
File GGUF: 💾Q8_0 🤗Q6_K 💾Q4_K_M
Modello disponibile anche su: RunDiffusion e Runware.ai
PixelWave FLUX.1 schnell versione 04 è un fine tuning estetico di FLUX.1-schnell. Le immagini di addestramento sono state selezionate a mano per assicurare che il modello sia predisposto a produrre immagini accattivanti, con colori, texture e illuminazione bellissimi.
Addestrato sul modello schnell originale, quindi licenza Apache 2.0!
Nessun requisito speciale per l'esecuzione. Supporta FLUX LoRAs
Euler Normal, 8 passi.
Puoi usare più passi per migliorare i dettagli fini, ma l'output non cambia molto dopo 8 passi.
Ringraziamenti a RunDiffusion
Un enorme grazie a RunDiffusion (co-creatori di Juggernaut) per aver sponsorizzato il calcolo che ha reso possibile l'addestramento di questo modello! Capire come addestrare schnell senza de-distillare il modello ha richiesto molte sperimentazioni, e poter utilizzare il cloud compute di RunDiffusion ha facilitato molto il processo.
Per chi necessita di accesso API per questo modello, stiamo collaborando con Runware.ai
Ho reso la versione FLUX.1-dev 04 esclusiva per RunDiffusion e Runware per il momento. Quando rilascerò la versione 05 in futuro, ho in programma di pubblicare i pesi aperti della dev 04.
Grato per il loro supporto nel diffondere questo modello, per favore dai un'occhiata!
Addestramento
L'addestramento è stato effettuato con kohya_ss/sd-scripts. Puoi trovare il mio fork di Kohya qui, che contiene anche modifiche al sottomodulo sd-scripts, assicurati di clonare entrambi.
Usa la scheda fine tuning. Ho ottenuto i migliori risultati con l'ottimizzatore pagedlion8bit che può anche girare sulla mia GPU 4090 da 24GB. Ho riscontrato che altri ottimizzatori faticano ad apprendere.
Ho congelato i parametri time_in, vector_in e mod/modulation. Questo evita la 'de-distillazione'.
Evito di addestrare blocchi singoli oltre il 15. Puoi impostare quali blocchi addestrare nella sezione FLUX.
LR 5e-6 addestra rapidamente, ma devi fermarti dopo alcune migliaia di passi perché inizia a corrompere i blocchi e rallentare l'apprendimento.
Puoi quindi fare un merge dei blocchi con un checkpoint precedente, sostituendo i blocchi corrotti, e continuare ad addestrare ulteriormente.
Segni di blocchi corrotti: texture a carta sopra la maggior parte delle immagini, perdita di dettagli dello sfondo.
Contatti
Per richieste commerciali o di business, contattaci a pixelwave@rundiffusion.com. Licensing di fine tuning flux. Progetti di addestramento personalizzati. Sviluppo commerciale AI. Il team può fare tutto!
PixelWave Flux.1-dev 03 rifinito!
File Safetensor: 💾BF16 💾FP8 💾NF4
File GGUF: 💾Q8_0 🤗Q6_K 💾Q4_K_M
I file 'diffusers' sono in realtà le versioni GGUF Q8_0 e Q4_K_M. File GGUF disponibili anche su huggingface.
Ho affinato la versione 03 partendo dalla base FLUX.1-dev per oltre 5 settimane sulla mia 4090. È in grado di eseguire diversi stili d’arte, fotografia e anime. Trucco che ho scoperto per aiutare con le LoRAs.
Ho usato dpmpp 2m sgm uniform 30 passi per le immagini di presentazione. Se vuoi un output più ordinato/pulito, prova ad aumentare la guida. Specificare uno stile può anche aiutare, così il modello non deve indovinare.
Consiglio anche di aggiungere l'upscale latente per nodo e scalare il latente a 1.5, ad es. generando immagini a 1536x1536 invece di 1024x1024.
PixelWave Flux.1-schnell 03
File GGUF: vai a huggingface
Ho usato dpmpp 2m sgm uniform 8 passi per le immagini di presentazione.
Puoi partire con 4 passi, ma ci sono meno errori nell'anatomia se usi più passi.
PixelWave Flux.1-dev 02
File GGUF: 💾Q8_0 🤗Q6_K 💾Q4_K_M
La versione 02 ha notevolmente migliorato immagini nere e scure e offre uscite più affidabili con meno problemi alle mani.
Consiglio di usare dpmpp_2s_ancestral, beta, 14 passi. Oppure euler, simple, 20 passi.
PixelWave 11 SDXL. Un modello fine tuned a scopo generale. Ottimo per stili artistici e fotografici.
Uso 20 passi, DPM++ SDE, CFG da 4 a 6 o 40 passi, 2M SDE Karras
Versione accelerata - 5+ passi, DPM++ SDE Karras, 2.5 CFG
PAG Consigliato⚡Consiglio scala 1.5, con CFG 3. Link al flusso di lavoro
⭐Guida al prompting.⭐ Non è necessario usare termini di 'qualità' come 4K, 8K, capolavoro, alta definizione, alta qualità, ecc. A meno che tu non voglia, consiglio di non usare parole come 'vibrante, intenso, luminoso, alto contrasto, neon, drammatico' per stili fotografici se desideri un aspetto più naturale. Questo può far sembrare le immagini 'esagerate', ma è solo il CLIP che segue la tua richiesta. 🙂 Se vuoi foto vibranti al neon, PixelWave le offrirà!
L'obiettivo della versione 10 è stato addestrare i modelli CLIP, che migliora l'affidabilità, garantisce la possibilità di produrre una vasta varietà di stili e una migliore adesione alle richieste.
Grazie ai miei amici che hanno aiutato a testare: masslevel, blink, socalguitarist, klinter, wizard whitebeard.
Guida: Upscaling dei prompt con LM Studio e Mikey Nodes
Guida: Aggiungere più dettagli alla tua immagine usando il metodo dello skip step
Non è necessario il modello refiner.
Questo modello non è una miscela di altri modelli.
Ho anche creato Mikey Nodes che contiene molti nodi utili. Puoi installarlo tramite Comfy Manager.
Dettagli del Modello
Tipo di modello
Modello base
Versione del modello
Hash del modello
Creatore
Discussione
Per favore log in per lasciare un commento.





