К содержимому
Изображения

Hudson River School SDXL LoRA

пейзажи американской школы

2 мин чтенияобновлено

Эта LoRA добавляет Stable Diffusion XL манеру Hudson River School — американской пейзажной школы. Автор обучил адаптер на 69 общедоступных картинах 18 художников, которых отобрал вслепую из 150 кандидатов. На выходе — пейзажи в духе старых масляных полотен: реки, скалы, леса и драматический свет. Триггер-слово не нужно: промпт начинают с «a Hudson River School oil painting of», а дальше описывают сцену. Пригодится для концепт-арта, иллюстраций и фонов в историческом пейзажном стиле.

Ключевые особенности

  • LoRA rank 16, alpha 16, обучена на attention-слоях UNet модели SDXL base 1.0.
  • 69 картин 18 американских художников; все работы public domain.
  • В слепом тесте автор выбрал рендер с LoRA в 118 из 120 пар против чистого SDXL — 98,3%.
  • Обучение: 1 500 шагов, batch 1, seed 0, fp32; примерно 22 прохода по датасету.
  • Рекомендуемые настройки: 30 шагов DDIM, eta 0, guidance 5.0, полная сила LoRA, 1216×832.

Что можно сделать

  • Сгенерировать речной каньон или горный пейзаж с лучом света на воде.
  • Сделать серию фонов для игры или книги в едином историческом стиле.
  • Сравнить с базовым SDXL на одном промпте и seed, чтобы увидеть разницу.
  • Собрать концепт-арт для сцены с лесом, скалами или закатом над долиной.

Пример

import torch
from diffusers import StableDiffusionXLPipeline
pipe = StableDiffusionXLPipeline.from_pretrained(
    'stabilityai/stable-diffusion-xl-base-1.0', variant='fp16', torch_dtype=torch.float32
).to('cuda')
pipe.load_lora_weights('adamcnoonan/hudson-river-sdxl-lora')
image = pipe('a Hudson River School oil painting of a river gorge', num_inference_steps=30, guidance_scale=5.0).images[0]
ПодробнееСлепой тест: 118/120 пар (98,3%), повторный выбор 30/30; ближайший рендер к обучающей картине — cosine similarity 0.939, копирования не нашли.
Железо: одна NVIDIA L40S, обучение и тестовые рендеры — 86 минут; fp16 не тестировали, на AMD ROCm результаты отличались от CUDA.
Ограничения: оценка вкуса одного человека; LoRA заточена под пейзажи, фигуры, здания и крупные планы почти не встречались; иногда невозможный свет.
Лицензия: CreativeML Open RAIL++-M, как у SDXL base.
Обсудить Telegram 0 4

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 9.7 GB · готовые файлы12 GB
  • BF16веса 4.9 GB6.9 GB
  • FP8 / INT8рекомендуемвеса 2.5 GB4.2 GB
  • 4-bitвеса 1.4 GB3.1 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · F32 — от RTX 5080

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Это LoRA: вместе с базовой моделью stable-diffusion-xl-base-1.0.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # adamcnoonan/hudson-river-sdxl-lora
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download stabilityai/stable-diffusion-xl-base-1.0 --local-dir ~/models/stable-diffusion-xl-base-1.0
    hf download adamcnoonan/hudson-river-sdxl-lora --local-dir ~/models/hudson-river-sdxl-lora
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к stable-diffusion-xl-base-1.0
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • SageAttention 3v2.2.0от 28 октября 2025

    ещё быстрее на RTX 50 / Blackwell

    FP4-внимание для Blackwell. Быстрее SageAttention 2, но авторы советуют 2-ю версию, когда важна точность.

    Как включить: Сборка из папки sageattention3_blackwell репозитория; в ComfyUI — через KJNodes.

    Предыдущие поколения (2)
    • SageAttention 2++ — Квантованное (INT8/FP8) внимание без заметной потери качества. Главное ускорение для генерации картинок и видео.
    • SageAttention 1 — Первая версия: INT8 для Q·K. Работает и на старых сборках, но 2++ быстрее и точнее.
  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (3)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
    • xFormers — Старый способ ускорить внимание, работает почти везде. Если есть Sage или Flash — они быстрее.
  • cache-dit (DBCache)v1.5.6от 20 ноября 2026новая версия

    1.5–3× при почти том же качестве

    Переиспользует результаты блоков между шагами диффузии. Поддерживает большинство DiT-моделей.

    Как включить: pip install cache-dit; одна строка cache_dit.enable_cache(pipe) для diffusers.

    Предыдущие поколения (2)
    • MagCache — Пропускает шаги по величине изменений. Точнее TeaCache без калибровки.
    • TeaCache — Первый массовый кэш шагов диффузии. Работает, но новые методы точнее.
  • Nunchaku (SVDQuant 4-bit)v1.2.1от 25 января 2026

    ≈3× быстрее и в 3.5× меньше памяти

    4-битные версии популярных моделей картинок почти без потери качества (FP4 на RTX 50).

    Как включить: Есть готовые веса для поддерживаемых моделей; в ComfyUI — ComfyUI-nunchaku.

  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Нужна базовая модель

stabilityai/stable-diffusion-xl-base-1.0

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

Новые посты про версии stable-diffusion-xl-base-1.0 — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 5Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face
Слияния 2Все на Hugging Face

О модели

adamcnoonan/hudson-river-sdxl-lora
Автор
adamcnoonan
Категория
Изображения
Дата выхода
На сайте

На сайте

Hugging Face

40

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии