LCM Lora模型到底有多快

最新推荐文章于 2024-09-03 20:45:39 发布
最新推荐文章于 2024-09-03 20:45:39 发布
阅读量450 收藏
点赞数
文章标签： 哈希算法 算法
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/weixin_44184411/article/details/134834352
版权

a girl in park,<lora:lcm_lora_sdxl:1>,
Steps: 4, Sampler: LCM, CFG scale: 2, Seed: 2706003712, Size: 1024x1024, Model hash: e6bb9ea85b, Model: sdXL_v10VAEFix, VAE hash: 63aeecb90f, VAE: sdxl_vae.safetensors, Lora hashes: "lcm_lora_sdxl: 2fa7e8e56b09", Version: v1.6.1

Time taken: 15.6 sec.

上面是一次生成图像的结果，加载了SDXL基本库及refiner库，再加载vae, 通过LCM模型，生成1024x1024的图，在华硕矿卡40HX上跑完，用了15.6秒，如果不用LCM模型，通常需要1分钟以上。感兴趣的同学，赶快去试一下。

germandai
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
[Stable Diffusion进阶篇]LCM提示SD文生图效率，Lcm_lora使用体验
细节控-AI先行者的博客
12-10 2007
LCM 全称 Latent Consistency Models（潜在一致性模型），是清华大学交叉信息科学研究院研发的一款生成模型。它的特点是可以通过少量步骤推理合成高分辨率图像，使图像生成速度提升 2-5 倍，需要的算力也更少。官方称 LCMs 是继 LDMs（Latent Diffusion Models 潜在扩散模型）之后的新一代生成模型。
SDXL 模型之 base、refiner 和 VAE
热门推荐
云水木石
08-04 2万+
在上一篇文章《Stable Diffusion 开源模型 SDXL 1.0 发布》中介绍了 Stable Diffusion 最新模型 SDXL。然而在下载模型时发现，模型有两个，分别是 stable-diffusion-xl-base-1.0、stable-diffusion-xl-refiner-1.0。开始也没有仔细看介绍，想当然的认为 refiner 模型肯定比 base 模型好。于是就下...
AI绘画再提速-stable diffusion LCM Lora模型简书
German2000的博客
12-06 1854
扩展阅读：LCM是当下最热点的AI技术之一，civita上已经有很多基于LCM的模型提供，可以获得比基础版本更优秀的出图体验，喜欢的同学可以直接去网站上打LCM关键词的模型来玩。尽管LCM出现时间不久，因为其速度提升很明显，获得了大家的好评，所以网上介绍LCM的文章也很多了，我这边就不仔细介绍了，如果具体安装想进一步了解的同学，可以留言或者私信我。在webui的扩展中增加sd-webui-animatediff插件，重启后，在采样器上找到LCM采样器，基础模型选SDXL, 其它用法参考方法一。
深入浅出完整解析Stable Diffusion XL（SDXL）核心基础知识
欢迎大家关注我
08-20 4357
（全网最详细）深入浅出完整解析Stable Diffusion XL（SDXL）核心基础知识。
[AIGC] SDXL Turbo：实时提示
unity尧明的博客
01-07 445
SDXL 模型是经过微调的模型，经过训练可一步生成清晰的图像。如果 Stability AI 能够提供 Turbo 的 LoRA 版本那就太好了。我不确定技术障碍是什么，但如果可行的话，我们可以对任何 SDXL 模型进行一步操作！同样，训练 1024×1024 版本也很棒。SDXL 模型的部分吸引力在于更高的图像分辨率。SDXL Turbo 模型解决了这个问题。无法使用负面提示是一个缺陷。这极大地限制了模型的功能。
SDXL服务器部署训练相关问题记录
weixin_42323588的博客
09-15 411
webui-user.sh中修改（使用A100显卡所以使用全精度）--share可生成一个公网链接。该链接为临时链接，有效期三天。服务器和mac系统执行的是./webui.sh，而Windows执行的是webui.bat。要在windows本地使用要配置ssh隧道。以下记录一些Linux命名。
Stable Diffusion 开源模型 SDXL 1.0 发布
云水木石
07-28 4300
关于 SDXL 模型，之前写过两篇：Stable Diffusion即将发布全新版本Stable Diffusion XL 带来哪些新东西？一晃四个月的时间过去了，Stability AI 团队终于发布了 SDXL 1.0。当然在这中间发布过几个中间版本，分别是 SDXL beta 和 SDXL 0.9。相较于 SDXL 0.9 的仅供研究的版本，这次的完整版本进步明显，是目前最好的开放图像生成模...
AI绘画Stable Diffusion 也可以轻松生成360全景照片了！
白帽阿叁的博客
04-08 1432
感兴趣的小伙伴，赠送全套AIGC学习资料，包含AI绘画、AI人工智能等前沿科技教程和软件工具，具体看这里。AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。
safetensors格式文件打开和读取＜未解决＞
qq_42461130的博客
11-02 4505
safetensors 打开和读取学习
Leetcode42接雨水（单调栈）
AGNING的博客
08-28 464
维护一个栈，满足从栈底到栈顶元素大小递减。如果当前元素高于栈顶，且栈内有至少2个元素，则形成了一个凹槽，及一个图中横着的红色矩形，将它的面积累加即可，第一次写难在维护单调栈中计算面积和。求出前缀最大和后缀最大，用两者较小值减去当前高度，累加即可，这个思路容易想到，这里不赘述。
算法的学习笔记—连续子数组的最大和
业精于勤，荒于嬉
08-29 3701
通过上述的动态规划方法，我们能够有效地解决连续子数组的最大和问题。该方法简单易懂，并且具有较高的效率，适合在大多数情况下使用。😁热门专栏推荐想学习vue的可以看看这个java基础合集数据库合集redis合集nginx合集linux合集手写机制微服务组件spring_尘觉springMVCmybits🤔欢迎大家加入我的社区尘觉社区文章到这里就结束了，如果有什么疑问的地方请指出，诸佬们一起来评论区一起讨论😁如果帮助到您不妨3连支持一下，创造不易您们的支持是我的动力🤞。
【算法】C++贪心算法解题（单调递增数字、坏了的计算器、合并区间）
卜及中的博客
09-03 385
【算法】贪心算法解析：基本概念、策略证明与代码例题演示。
LeetCode LCR088.使用最小花费爬楼梯
m0_63816268的博客
09-03 680
动态规划
递归、搜索与回溯算法
无聊_人的博客
08-29 7803
所谓的递归其实就是函数自己调用自己的情况。
第四讲：拟合算法
PGeorge6的博客
09-03 942
与插值问题不同，在拟合问题中不需要曲线一定经过给定的点。拟合问题的目标是寻求一个函数(曲线)使得该曲线在某种准则下与所有的数据点最为接近，即曲线拟合的最好(最小化损失函数)。插值算法中，得到的多项式f(x)要经过所有样本点。但是如果样本点太多，那么这个多项式次数过高，会造成龙格现象。尽管我们可以选择分段的方法避免这种现象，但是更多时候我们更倾向于得到-个确定的曲线，尽管这条曲线不能经过每一个样本点，但只要保证误差足够小即可，这就是拟合的思想。(拟合的结果是得到一个确定的曲线)
力扣（无重叠区间）
yyssas的博客
08-29 8562
先按照左侧数字排序，然后对于i位置和i+1位置，如果i位置右侧数字大于i+1位置左侧数字，则说明这两个区间有重叠，则需要移除更可能和后面重叠的那一个，因为排序是按照左边从小到大排序的，所以左边一定是小的，此时要关注的就是右边，也就是选择i和i+1右侧更小的那个，即右侧大的那个删除。一直到右侧小于k的左侧停止，此时剩下的一定是不会重叠的那个。需要移除区间的最小数量，使剩余区间互不重叠。
代码随想录算法训练营第62天|Floyd 算法精讲、A * 算法精讲 （A star算法）
Yinems的博客
08-28 1326
分两种情况，一种是节点 i 到节点 j 的最短路径经过节点 k，grid[i][j][k] = grid[i][k][k-1] + grid[k][j][k-1]；另一种情况，节点 i 到节点 j 的最短路径不经过节点 k，grid[i][j][k] = grip[i][j][k-1]；刚开始初始化 k 是不确定的，如果赋值为1，那么不能知道节点 i 到节点 j 经过1个节点的最短距离，所以只能把 k 赋值为0，本题中节点0是无意义的，节点是从1到n。本题求的是最小值，所以其余值初始化为最大值。
P7492 [传智杯 #3 决赛] 序列
最新发布
summ1ts的博客
09-03 212
的数组，表示区间内所有数的二进制表示下某一位是否为1，但这太难写，最后无奈去看官方题解，发现只要维护区间所有数的按位与和And，如果(And&k)==k的话那就不用修改了。那样的话这个题就很简单了，维护最大子段和可以见。一道类似势能线段树的题，区间按位或上k，不满足区间可合并的性质，只能暴力的单点修改。，如果我们能找到一个方法，能够判定区间里的数，或上k后是否有改变，就可以避免。至于时间复杂度用类似势能分析的方法分析一波就行了，时间复杂度。我一开始想的是线段树里维护一个。但是考虑按位或的性质，
57. 插入区间【 力扣(LeetCode) 】
yyh520025的博客
08-29 4570
给你一个 无重叠的 ，按照区间起始端点排序的区间列表 intervals，其中 intervals[i] = [starti, endi] 表示第 i 个区间的开始和结束，并且 intervals 按照 starti 升序排列。同样给定一个区间 newInterval = [start, end] 表示另一个区间的开始和结束。在 intervals 中插入区间 newInterval，使得 intervals 依然按照 starti 升序排列，且区间之间不重叠（如果有必要的话，可以合并区间）。
Python LoRA：快速模型查询入门与实战指南
本篇文章主要围绕Python中的LoRA (Learnonce, Recall Anytime) 模型查询技术展开讲解。LoRA是一种针对模型预测速度优化的技术，通过预先训练一个全局模型，然后将其转换为高效查询结构，使得在新数据上进行快速预测...
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