【ComfyUI】中，使用Unet加载FLUX大模型的时候，提示: ‘conv_in.weight‘

最新推荐文章于 2024-09-19 14:11:40 发布
最新推荐文章于 2024-09-19 14:11:40 发布
阅读量547 收藏
点赞数 3
分类专栏： AI绘画 文章标签： ai绘画 人工智能 AI作画 stable diffusion
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sert287/article/details/141468071
版权

ComfyUI中，使用Unet加载FLUX大模型的时候，提示“Error occurred when executing UNETLoader:
‘conv_in.weight’”，
在这里插入图片描述
这种报错原因是缺少模型权重参数，本应该是有一个参数设置的框的，但是我这里却没有，如下图：
在这里插入图片描述
解决方法：
更新ComfyUI。
更新完后，重启ComfyUI。
会看到，权重的框出来了。
在这里插入图片描述

sert287
关注
专栏目录
U-2-Net 人脸肖像画生成预训练模型 u2net_portrait.pth
11-25
该文件是U-2-Net模型用于人脸肖像画生成的预训练模型文件:u2net_portrait.pth。 作者最新的应用，生成的人脸肖像画效果非常好，毛发处很细腻。感兴趣的小伙伴可以试一试！
ComfyUI使用Flux模型
培根芝士的专栏
08-31 1446
ComfyUI是一个强大的用户界面，支持多种图像处理和生成模型，而Flux是一系列由Black Forest Labs开发的扩散模型。
ComfyUI 中你不得不了解的插件，IPAdapter 基础的使用
2401_84760527的博客
05-24 5830
IPAdapter 是一个轻量级的适配器，它的作用是将一张图像或几张图像的风格迁移到另一张图像上去，可以把它当作只有一张图像的 lora。通俗的讲就是垫图。IPAdapter 接受一张图像作为输入，将其编码为Token，并和标准的提示词输入混合作用于图像的生成。
Flux持续火爆，这些Lora、ControlNet、工作流你值得拥有
2401_85725028的博客
08-21 1555
Flux是目前最大的AI绘画开源模型，有120亿个参数，原始文件有23GB那么大。听起来很吓人吧？但别担心，通过ComfyUI的支持，我们可以把模型压缩到12GB，并且它会自动检测显存来调整加载方式，这样我们在普通的消费级电脑上也能跑得动。Flux 在视觉效果、提示的准确性、大小和比例的灵活性、排版和输出多样性方面，比Midjourney v6.0、DALL·E 3 (HD) 和 SD3-Ultra这些流行模型都要好。它可以在256到2048的宽分辨率范围内生成高质量、少冗余的图像，四肢表现也非常稳定。
想知道ComfyUI如何修脸吗？
不定期分享ai绘画相关知识~
07-17 842
这个假期，我开始高强度体验ComfyUI，和WebUI相比，ComfyUI的优缺点都很突出。主要缺点是对新手不够友好，优点是快，对显卡的需求小，工作流模式特别容易复现原图。不过虽然好用，但ComfyUI下的插件远不如WebUI丰富，使用也不那么方便。比如修脸，WebUI下的修脸插件ADetailer非常好用，只需要点一下对号就可以启用，ComfyUI下就比较绕了。
comfyUI使用flux模型报错got promptUsing pytorch attention in VAE，
qq_40397392的博客
08-25 618
使用的flux模型如下，应该下载的模型都已经下载好放在正确位置但是执行之后报错如下got prompt然后comfyUI的命令行就强制退出了。
UNet模型调试时报错
qq_45678453的博客
11-05 304
在根据B站UP主Bubbliiiing的深度学习教程进行UNet模型调试时的一点问题小结…
Flux【基础篇】：ComfyUI Flux.1工作流的本地部署安装教程
小王的储物间
08-19 3887
当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。AIGC所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。好了，今天的分享就到这里了，希望今天分享的内容对大家有所帮助。
ComfyUI报错：AttributeError: ‘UNetModel‘ object has no attribute ‘default_image_only_indicator‘
聚梦小课堂
03-03 9095
​本来想使用SVD生成个视频来着，结果更新完comfyui，运行之前的一个工作流的时候，运行到采样节点KSampler的时候，遇到报错了。后台的提示是：AttributeError: 'UNetModel' object has no attribute 'default_image_only_indicator'；然后简单查了下资料，发现comfyui的官网也有好多人遇到这个问题，解决的办法是... ​
打的来了！一个全新的AI绘画工具--FLUX横空出世！
2301_80239908的博客
08-06 641
FLUX.1在文字生成、复杂指令遵循和人手生成上具备优势。以下是其生成图像示例，可以看到即使是生成大段的文字、多个人物，也没有出现字符、人手等细节上的错误。
Unet训练需要使用的权重文件unet_voc.pth
08-06
使用这些文件时，开发者需要按照说明中的指导操作，例如使用PyTorch的torch.load()函数加载.pth或.pt文件，并将其与Unet模型结构相结合，以实现对新输入图像的预测。 总结来说，"unet_voc.pth"和"unet.pt"文件是...
【问题记录】usage: nn_train.py [-h] -d DATASET -m MODEL -l LABEL_BIN -p PLOT nn_train.py: error: the follo
追光者♂：记录、分享、总结、提升，现象级专栏《Python从入门到人工智能》作者，无惧黑暗，坚信曙光
11-09 988
【问题记录】usage: nn_train.py [-h] -d DATASET -m MODEL -l LABEL_BIN -p PLOT nn_train.py: error: the follo | 人工智能 面试题：解释一下反向传播算法（Backpropagation）的原理。
Unet项目解析(1): run_training.py
沈春旭的博客
06-13 5368
项目GitHub主页：https://github.com/orobix/retina-unet参考论文：Retina blood vessel segmentation with a convolution neural network (U-net) Retina blood vessel segmentation with a convolution neural network (U-ne...
Flux【基础篇】：一键快速体验Flux，开启AI绘画新的旅程
最新发布
2401_85725028的博客
09-19 1047
该节点主要用于设置Flux大模型，关于UNET节点，这里稍微说明一下，UNET加载器是用于单独加载特定的UNET模型，这个节点没有任何输入，只有一个模型的输出，我们可以当做是SD里面的Checkpoint大模型。当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
ComfyUI 简化工作流神器
2401_84760527的博客
05-28 1492
我们可以看到上边的采样器节点中有个脚本，用过 WebUI 的小伙伴是不是有些熟悉，没错，这个插件把WebUI中的脚本功能也迁移过来了。为了帮助大家更好地掌握 ComfyUI，我在去年花了几个月的时间，撰写并录制了一套ComfyUI的基础教程，共六篇。我们先来看下最简单的一个文生图的工作流，最简单的工作流都有这么多节点，还要把这么多节点连起来，对于刚入门的小伙伴来说还是蛮复杂的。我们也是搭建一个文生图的工作流，只需要两个节点就可以了，这个连线小伙伴们应该都可以连接的很丝滑吧！安装好了，记得重启哦！
ComfyUI搭建使用教程
热门推荐
培根芝士的专栏
11-23 2万+
ComfyUI 是一个基于节点流程式的stable diffusion AI 绘图工具WebUI， 通过将stable diffusion的流程拆分成节点，实现了更加精准的工作流定制和完善的可复现性。ComfyUI因为内部生成流程做了优化，生成图片时的速度相较于WebUI有10%~25%的提升（根据不同显卡提升幅度不同），生成大图片的时候不会爆显存，只是图片太大时，会因为切块运算的导致图片碎裂。
keras运行报错
dong-技术驱动人生
10-12 2297
TypeError: while_loop() got an unexpected keyword argument 'maximum_iterations'  当使用Bilstm层的时候 Use Keras 2.1.2 Tensorflow 1.4.1 更换版本即可。这是版本中的问题。  
ComfyUI反推提示词节点报错：Load model failed
聚梦小课堂
07-28 1056
反推提示词的时候会提示报错： Error occurred when executing WD14Tagger|pysssss: [ONNXRuntimeError] : 3 : NO_SUCHFILE : Load model from F:\ComfyUI-aki\custom_nodes\ComfyUI-WD14-Tagger\models\wd-v1-4-convnext-tagger-v2.onnx failed:Load model F:\ComfyUI-aki\custom_nodes...
class UNet(paddle.nn.Layer): def __init__(self, num_classes): super(UNet, self).__init__() self.conv_1 = paddle.nn.Conv2D(3, 32, kernel_size=3, stride=2, padding='same') self.bn = paddle.nn.BatchNorm2D(32) self.relu = paddle.nn.ReLU() in_channels = 32 self.encoders = [] self.encoder_list = [64, 128, 256] self.decoder_list = [256, 128, 64, 32] # 根据下采样个数和配置循环定义子Layer，避免重复写一样的程序 for out_channels in self.encoder_list: block = self.add_sublayer('encoder_{}'.format(out_channels), Encoder(in_channels, out_channels)) self.encoders.append(block) in_channels = out_channels self.decoders = [] # 根据上采样个数和配置循环定义子Layer，避免重复写一样的程序 for out_channels in self.decoder_list: block = self.add_sublayer('decoder_{}'.format(out_channels), Decoder(in_channels, out_channels)) self.decoders.append(block) in_channels = out_channels self.output_conv = paddle.nn.Conv2D(in_channels, num_classes, kernel_size=3, padding='same') def forward(self, inputs): y = self.conv_1(inputs) y = self.bn(y) y = self.relu(y) for encoder in self.encoders: y = encoder(y) for decoder in self.decoders: y = decoder(y) y = self.output_conv(y) return y怎么将该unet网络的层数改为5层
05-26
要将UNet网络的层数改为5层，可以按照以下步骤进行修改： 1. 将Encoder和Decoder的个数都增加到4个，分别对应下采样和上采样的层数，即encoder_list = [64, 128, 256, 512] 和 decoder_list = [512, 256, 128, 64, 32]。 2. 在网络的构造函数中增加一个新的Encoder和Decoder，代码如下： ```python self.encoder_512 = Encoder(256, 512) self.encoders.append(self.encoder_512) self.decoder_32 = Decoder(64, 32) self.decoders.insert(0, self.decoder_32) ``` 这里新增了一个从256通道到512通道的Encoder和一个从64通道到32通道的Decoder，并分别加入到encoders和decoders中。 3. 最后，将输出层的输入通道数改为32，即将self.output_conv = paddle.nn.Conv2D(in_channels, num_classes, kernel_size=3, padding='same')中的in_channels改为32。 修改后的完整代码如下： ```python class UNet(paddle.nn.Layer): def __init__(self, num_classes): super(UNet, self).__init__() self.conv_1 = paddle.nn.Conv2D(3, 32, kernel_size=3, stride=2, padding='same') self.bn = paddle.nn.BatchNorm2D(32) self.relu = paddle.nn.ReLU() in_channels = 32 self.encoders = [] self.encoder_list = [64, 128, 256, 512] self.decoder_list = [512, 256, 128, 64, 32] self.decoders = [] # 根据下采样个数和配置循环定义子Layer，避免重复写一样的程序 for out_channels in self.encoder_list: block = self.add_sublayer('encoder_{}'.format(out_channels), Encoder(in_channels, out_channels)) self.encoders.append(block) in_channels = out_channels # 新增一个Encoder self.encoder_512 = Encoder(256, 512) self.encoders.append(self.encoder_512) # 根据上采样个数和配置循环定义子Layer，避免重复写一样的程序 for out_channels in self.decoder_list: block = self.add_sublayer('decoder_{}'.format(out_channels), Decoder(in_channels, out_channels)) self.decoders.append(block) in_channels = out_channels # 新增一个Decoder self.decoder_32 = Decoder(64, 32) self.decoders.insert(0, self.decoder_32) self.output_conv = paddle.nn.Conv2D(32, num_classes, kernel_size=3, padding='same') def forward(self, inputs): y = self.conv_1(inputs) y = self.bn(y) y = self.relu(y) for encoder in self.encoders: y = encoder(y) for decoder in self.decoders: y = decoder(y) y = self.output_conv(y) return y ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值