carefree creator

Un créateur ouvert et alimenté par AI pour tout le monde.

• Il s'agit du projet backend du produit Creator . Si vous recherchez les codes WebUI , vous pouvez vérifier le carefree-drawboard ? projet.

• La plupart des contenus ont été déplacés vers la page Wiki.

Wiki | Codes webui

Installation

carefree-creator est construit au-dessus de carefree-learn et nécessite:

• Python>=3.8
• pytorch>=1.12.0 . Veuillez vous référer au site officiel de Pytorch, et il est fortement recommandé de pré-installer Pytorch avec Conda.

Exigences matérielles

Problème connexe: # 10.

Ce projet mangera 11 à 13 Go de RAM GPU si aucune modification n'est apportée, car elle intègre en fait cinq versions SD différentes, et de nombreux autres modèles. ?

Il existe deux façons de réduire l'utilisation de GPU RAM - chargement paresseux et chargement partiel, consultez la section Run suivante pour plus de détails.

installation PIP

pip install carefree-creator

Si vous êtes intéressé par les dernières fonctionnalités, vous pouvez également utiliser pip pour installer à partir de la source:

git clone https://github.com/carefree0910/carefree-creator.git
cd carefree-creator
pip install -e .

Courir

carefree-creator construit une CLI pour que vous configuriez votre service local. Par exemple, nous pouvons:

cfcreator serve

Si vous n'avez pas de GPU Nvidia (par exemple Mac), vous pouvez essayer:

cfcreator serve --cpu

Si vous utilisez votre ordinateur portable alimenté par GPU, vous pouvez essayer:

cfcreator serve --limit 1

L'indicateur --limit est utilisé pour limiter le nombre de modèles de chargement. En spécifiant 1 , seul le modèle d'exécution sera chargé et d'autres modèles resteront sur votre disque.

Voir # 10 pour plus de détails.

Si vous avez beaucoup de ressources de RAM mais que votre RAM GPU n'est pas assez grand, vous pouvez essayer:

cfcreator serve --lazy

Avec l'indicateur --lazy , les modèles seront chargés en RAM, et seul le modèle d'exécution sera déplacé vers GPU RAM.

Donc, en échange, votre bélier sera mangé! ?

Si vous souhaitez seulement essayer les points de terminaison SD de base, vous pouvez utiliser:

cfcreator serve --focus sd.base

Et si vous voulez seulement essayer les points de terminaison anime SD, vous pouvez utiliser:

cfcreator serve --focus sd.anime

Plus d'utilisations pourraient être trouvées par:

cfcreator serve --help

Docker

Préparer

 export TAG_NAME=cfcreator
git clone https://github.com/carefree0910/carefree-creator.git
cd carefree-creator

Construire

docker build -t $TAG_NAME .

Si votre environnement Internet atterrit en Chine, il pourrait être plus rapide de construire avec Dockerfile.cn :

docker build -t $TAG_NAME -f Dockerfile.cn .

Courir

docker run --gpus all --rm -p 8123:8123 $TAG_NAME :latest

Crédits

• Diffusion stable, fondement de diverses méthodes de génération.
• Diffusion stable de RunwayML, la méthode d'adhésion à la SD adoptée.
• Diffusion waifu, la version anime-fintuned de la diffusion stable.
• Real Esrgan, les méthodes de super résolution adoptées.
• Diffusion latente, la méthode de synthèse de déntain et de paysage adoptée.
• Carefree-Learn, la base de code qui a réimplémenté tous les modèles ci-dessus et a fourni des API propres et pratiques.
• Et toi! Merci d'avoir regardé!