safetensors_util

Caractéristiques

Il s'agit d'un programme d'utilité léger pour les fichiers de Safettenseurs écrits en python uniquement (pas de dépendances externes majeures). Actuellement, il peut faire ce qui suit:

 Usage: safetensors_util.py [OPTIONS] COMMAND [ARGS]...

Options:
  --version    Show the version and exit.
  -q, --quiet  quiet mode, don't print informational stuff
  --help       Show this message and exit.

Commands:
  checklora    see if input file is a SD 1.x LoRA file
  extractdata  extract one tensor and save to file
  extracthdr   extract file header and save to output file
  header       print file header
  listkeys     print header key names (except __metadata__) as a Python list
  metadata     print only __metadata__ in file header
  writemd      read __metadata__ from json and write to safetensors file

La chose la plus utile est probablement les commandes de métadonnées en lecture et en écriture. Pour lire les métadonnées:

    python safetensors_util.py metadata input_file.safetensors -pm

De nombreux fichiers de safettenseurs, en particulier les fichiers LORA, ont un champ __Metadata__ dans l'en-tête de fichier qui enregistre les informations de formation, tels que les taux d'apprentissage, le nombre d'époques, le nombre d'images utilisées, etc. Vous pouvez voir comment votre fichier préféré a été formé et peut-être utiliser certains des paramètres de formation pour votre propre modèle à l'avenir.

L'indicateur -pm facultatif est destiné à rendre la sortie plus lisible. Étant donné que les fichiers SafeTtensers autorisent uniquement le dictionnaire de chaîne à corde dans les métadonnées, les valeurs non corrigées doivent être citées. Fondamentalement, le drapeau -pm essaie de tourner ceci:

    "ss_dataset_dirs":"{"abc": {"n_repeats": 2, "img_count": 60}}",

dans ceci:

    "ss_dataset_dirs":{
     "abc":{
      "n_repeats":2,
      "img_count":60
     }
    },

Vous pouvez créer un fichier JSON contenant une entrée __Metadata__:

 {
     "__metadata__":{
          "Description": "Stable Diffusion 1.5 LoRA trained on cat pictures",
          "Trigger Words":["cat from hell","killer kitten"],
          "Base Model": "Stable Diffusion 1.5",
          "Training Info": {
                "trainer": "modified Kohya SS",
                "resolution":[512,512],
                "lr":1e-6,
                "text_lr":1e-6,
                "schedule": "linear",
                "text_scheduler": "linear",
                "clip_skip": 0,
                "regularization_images": "none"
          },
          "ss_network_alpha":16,
          "ss_network_dim":16
     }
}

et écrivez-le dans un en-tête de fichier Safettenseurs à l'aide de la commande writeMD :

    python safetensors_util.py writemd input.safetensors input.json output.safetensors