К содержимому
Изображения

data266-pokemon-lora

генерация существ в стиле покемонов для SD 1.5

2 мин чтенияобновлено

Это LoRA (небольшая надстройка над базовой моделью), которая учит Stable Diffusion 1.5 рисовать вымышленных существ в узнаваемой стилистике покемонов. Адаптер создан автором dhruv1672 на базе 833 иллюстраций из датасета pokemon-blip-captions и применяется к слоям внимания UNet. В отличие от базовой модели, которая смешивает разные художественные манеры, эта версия уверенно переносит характерную рисовку и композицию с одним персонажем на белом фоне. Пригодится для генерации концептов фэнтези-существ, стилизованных иллюстраций или экспериментов с настройкой рангов LoRA.

Ключевые особенности

  • Версия v2.0 прошла серию тестов по разным рангам (от 4 до 128), лучшим выбран вариант lora_r16_a16 с EMA-весами.
  • Снижает метрику KID (отличие от целевого стиля) на тестовом наборе с 0.06483 у базовой модели до 0.02923.
  • В репозитории сохранены все промежуточные прогоны экспериментов — их можно загружать по отдельности через subfolder.
  • Поддерживает стандартный пайплайн diffusers и работает в разрешении 512×512 пикселей.

Что можно сделать

  • Придумывать новых существ в духе покемонов по текстовым описаниям вроде «сине-жёлтый покемон».
  • Сравнить работу адаптеров с разным рангом (например, компактный lora_r4_a4 против финального lora_r16_a16) в одном проекте через diffusers.
  • Использовать как отправную точку для генерации спрайтов и концепт-артов одиночных персонажей на чистом светлом фоне.

Пример

from diffusers import StableDiffusionPipeline
import torch
pipe = StableDiffusionPipeline.from_pretrained("stable-diffusion-v1-5/stable-diffusion-v1-5", torch_dtype=torch.float16).to("cuda")
pipe.load_lora_weights("dhruv1672/data266-pokemon-lora", revision="v2.0")
image = pipe("a drawing of a blue and yellow pokemon", num_inference_steps=30, guidance_scale=7.5).images[0]
ПодробнееТест (20 промптов, 30 шагов DDIM): KID — 0.02923 (база — 0.06483), CLIP score — 31.865, LPIPS diversity — 0.782.
Обучение: 4000 шагов на 685 картинках (512 px, AdamW, lr 0.0001, EMA 0.999, min-SNR 5.0); пиковое потребление при обучении на A100 составило ~6.93 GiB.
Ограничения: короткие машинные подписи хуже дают точный контроль над деталями, а сложные сцены с несколькими героями тяготеют к одному существу на белом фоне. Модель предназначена только для некоммерческого использования.
Обсудить Telegram 0 1

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 3.2 GB · готовые файлы5.1 GB
  • BF16веса 1.6 GB3.3 GB
  • FP8 / INT8рекомендуемвеса 0.8 GB2.4 GB
  • 4-bitвеса 0.5 GB2.0 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 2060

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

Это LoRA: вместе с базовой моделью stable-diffusion-v1-5.

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.

    # dhruv1672/data266-pokemon-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 stable-diffusion-v1-5/stable-diffusion-v1-5 --local-dir ~/models/stable-diffusion-v1-5
    hf download dhruv1672/data266-pokemon-lora --local-dir ~/models/data266-pokemon-lora
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к stable-diffusion-v1-5
  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

stable-diffusion-v1-5/stable-diffusion-v1-5

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

Новые посты про версии stable-diffusion-v1-5 — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 1Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face

О модели

dhruv1672/data266-pokemon-lora
Автор
dhruv1672
Категория
Изображения
Дата выхода
На сайте

На сайте

Hugging Face

10

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии