safetensors_util

คุณสมบัติ

นี่คือโปรแกรมยูทิลิตี้น้ำหนักเบาสำหรับไฟล์ Safetensors ที่เขียนใน Python เท่านั้น (ไม่มีการพึ่งพาภายนอกที่สำคัญ) ขณะนี้สามารถทำสิ่งต่อไปนี้:

 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

สิ่งที่มีประโยชน์ที่สุดคือคำสั่งการอ่านและเขียนข้อมูลเมตา เพื่ออ่านข้อมูลเมตา:

    python safetensors_util.py metadata input_file.safetensors -pm

ไฟล์ Safetensors จำนวนมากโดยเฉพาะไฟล์ LORA มีฟิลด์ __MetAdata__ ในส่วนหัวไฟล์ที่บันทึกข้อมูลการฝึกอบรมเช่นอัตราการเรียนรู้จำนวนยุคจำนวนภาพที่ใช้ ฯลฯ คุณสามารถดูว่าไฟล์โปรดของคุณได้รับการฝึกฝนอย่างไรและอาจใช้พารามิเตอร์การฝึกอบรมสำหรับโมเดลของคุณในอนาคต

การตั้งค่าสถานะ -PM เป็นตัวเลือกนั้นมีไว้เพื่อให้เอาต์พุตอ่านได้มากขึ้น เนื่องจากไฟล์ safetensors อนุญาตเฉพาะพจนานุกรมสตริงถึงสตริงในข้อมูลเมตาจึงต้องยกระดับค่าที่ไม่ใช่สตริง โดยทั่วไปธง -pm พยายามเปลี่ยนสิ่งนี้:

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

เข้าไปในนี้:

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

คุณสามารถสร้างไฟล์ JSON ที่มีรายการ __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
     }
}

และเขียนลงในส่วนหัวไฟล์ safetensors โดยใช้คำสั่ง writemd :

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