解决diffusion部署时，无法从‘huggingface.co‘下载‘openai/clip-vit-large-patch14‘导致的报错

最新推荐文章于 2024-05-30 11:51:25 发布
最新推荐文章于 2024-05-30 11:51:25 发布
阅读量438 收藏 1
点赞数 2
文章标签： 前端 javascript 人工智能
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/u010417757/article/details/138897287
版权

方法一：

如果是使用transformers库时的报错，就在transformers/utils/hub.py的源码中，将'_default_endpoint'的值改为国内镜像'https://hf-mirror.com'即可。

方法二：

从官网手动下载’openai/clip-vit-large-patch14＇
官网
或者百度云：
链接：https://pan.baidu.com/s/1PdubgWYsw_QAawIK-g-Rnw?pwd=qjzh
提取码：qjzh

文件(本文附件)移动到电脑中的对应默认路径中
win10：C:\Users\用户名.cache\huggingface\hub

ubuntu：~.cache\huggingface\hub

星辰韦
关注
  • 2
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
第九节 基于huggingface加载openai/clip-vit-large-patch14-336视觉模型demo
weixin_38252409的博客
02-26 2067
本文介绍如何使用huggingface加载视觉模型openai/clip-vit-large-patch14-336，我之所以记录此方法源于现有大模型基本采用huggingface库来加载视觉模型和大语言模型，我也是在做LLava模型等模型。基于此，本节将介绍如何huggingface如何加载vit视觉模型。
stable-diffusion-webui codeformer.pth
03-11
stable-diffusion-webui Restore faces Error 【https://github.com/AUTOMATIC1111/stable-diffusion-webui/issues/1513】 我认为这与损坏的安装有关。就我而言，我在“\models\Codeformer”上的 Codeformer.pth 已...
hugging face的models-openai-clip-vit-large-patch14文件夹
10-25
用于无法访问hugging face并需要运行stable-diffusion-webui时使用
Stable-diffusion安装clip-vit-large-patch14
01-05
Stable-diffusion安装clip-vit-large-patch14
stable-diffusion-webui报OSError: Can‘t load tokenizer for ‘openai/clip-vit-large-patch14‘的正确解决方法
qysh123的专栏
04-16 1782
把repo clone到openai文件夹就行了。何必要用硬编码呢，完全违反软件工程实践。则需要在标红的目录下新建openai文件夹。不知道这么简单的问题为什么大家讲不清除。但是我发现很多朋友是改代码中的绝对路径的，这非常不科学，为啥要用硬编码绝对路径呢？
【项目部署调试】 AnimateDiff
weixin_51330846的博客
10-12 1762
717行，原来是直接改为路径本来，一切到这就结束了，可是726行却总是报错原本是百思不得其解，知道在 github 的 issue 里的某个问题的某个评论看到了改为OK ，结束，跑起来了~p.s. 按照默认的16帧跑要12G显存。
AIGC之Can‘t load tokenizer for ‘openai/clip-vit-large-patch14‘
最新发布
weixin_44598554的博客
05-30 74
需要手动创建openai 目录并把 下载后解压的资源拖入到openai目录下面，我自己连代码都不用改。clip-vit-large-patch14 国内已经不能访问了。在跑Stable Diffusion v1系列的时候遇到了。另外如果不行的话，可以去官网下载。
【资源分享】官网openai/clip-vit-large-patch14下载太慢？完整资源分享
BetrayFree的博客
10-29 3097
链接: https://pan.baidu.com/s/1wWGhkLfK7a4Q3CPywhgicg?pwd=ewxd 提取码: ewxd。【资源分享】官网openai/clip-vit-large-patch14下载太慢？--来自百度网盘超级会员v6的分享。
[已解决] Can‘t load tokenizer for ‘openai/clip-vit-large-patch14‘
ruby0422的博客
11-28 1万+
链接: https://pan.baidu.com/s/1EBptJ2v9inq9A5LEYFfBMg 提取码: dh2b。需要手动创建openai 目录并把 下载后解压的资源拖入到openai目录下面。Stable diffusion webui Mac M1 安装部署。clip-vit-large-patch14 国内已经不能访问了。
Stable-diffusion安装时Can‘t load tokenizer for ‘openai/clip-vit-large-patch14‘问题解决
热门推荐
qq_39352483的博客
10-17 1万+
如果你在安装stable-diffusion的时候遇到了这个问题，可以下载本博客的绑定资源，然后修改项目中的文件地址就可以了。例如报错：这是因为hugginface现在被墙了，所以直接下载无法下载。
无需翻墙｜Stable Diffusion WebUI 安装｜AI绘画
这都不是事er 的博客
12-29 2574
最近终于有机会从围墙里往外看，了解到外面的世界已经有了天翻地覆的变化，感叹万千，笔者在本地mac，windows，linux，docker部署了不下20遍后，整理出来的极简避坑安装方案，供大家参考学习。
Stable Diffusion 跑通总结
m0_57530926的博客
12-09 2349
stable diffusion跑通流程记录
AIGC文生图：使用ControlNet 控制 Stable Diffusion
十年以上架构设计经验，专注于软件架构和人工智能领域，对机器视觉、NLP、音视频等领域都有涉猎
07-14 2144
ControlNet是一个非常强大的神经网络结构，通过添加额外的条件来控制扩散模型。目前还不支持Multi-ControlNet，开源社区有消息说正在积极开发中。这个新功能提供了可以使用多个控制网络，并将他们的输出一起用于图像生成，允许更好地控制整个图像。
AIGC：文生图模型Stable Diffusion
十年以上架构设计经验，专注于软件架构和人工智能领域，对机器视觉、NLP、音视频等领域都有涉猎
07-06 9846
Stable Diffusion 是由CompVis、Stability AI和LAION共同开发的一个文本转图像模型，它通过LAION-5B子集大量的 512x512 图文模型进行训练，我们只要简单的输入一段文本，Stable Diffusion 就可以迅速将其转换为图像，同样我们也可以置入图片或视频，配合文本对其进行处理。
stableDiffusion安装以及踩坑处理
月夜流心的博客
09-13 1670
下载git下载python-3.10.6版本clone git至本地更换pip源为为豆瓣镜像运行webui-user.bat进行安装我安装的目录为F:\aii\，可以自行替换为你们自己的目录。
CLIPTokenizer.from_pretrained本地加载
qq_38334671的博客
05-26 4429
【代码】CLIPTokenizer.from_pretrained本地加载。
clip训练自己的数据集
11-06
要使用机器学习模型进行训练，首先需要准备自己的数据集。Clip是一种用于视觉和语言理解的多模态机器学习模型，因此我们需要准备包含图像和文本描述的数据集。 首先，我们需要收集一组图像，这些图像需要代表我们想要训练的具体任务。例如，如果我们想要训练一个图像分类器，那么我们需要收集相应的图像样本并对它们进行标记和分类。这些图像可以从互联网上下载，或者通过自己的摄像机或手机拍摄。 接下来，我们需要为每个图像提供文本描述。这些描述可以是对图像物体或情境的文字解释，可以从互联网上获取，也可以由人工标记员手动添加。这些文本描述将成为训练数据中的标签。 一旦我们收集到图像和相应的文本描述，我们可以使用数据处理工具，例如Python中的Pandas或Numpy库，来对数据进行预处理。这可能包括将图像转换为合适的格式，并将文本描述转化为适当的向量表示形式，以便机器学习算法能够理解和处理。 接下来，我们可以使用机器学习框架，如PyTorch或TensorFlow，来训练Clip模型。训练过程涉及将数据集分为训练集和测试集，使用训练集调整模型的参数，以便最小化预测误差。可以使用梯度下降算法对参数进行优化，并使用损失函数来衡量模型预测与真实标签之间的差异。 最后，通过模型在测试集上的表现来评估模型的性能。这可以通过计算准确率、召回率和F1分数等指标来实现。如果模型的性能不理想，可以尝试调整模型架构、参数或数据预处理方法，以改进模型的性能。 总之，Clip模型的训练过程涉及数据收集、准备和处理，以及使用机器学习框架进行参数调整和性能评估。这些步骤需要仔细的规划和实施，以确保获得准确和可靠的模型。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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