- 博客(3)
- 收藏
- 关注
RSS订阅原创 Stable Diffusion 3.5 开发指南（三）：Stable Diffusion 3.5 LoRA 微调
本文介绍了Stable Diffusion 3.5模型的LoRA微调技术，核心是通过冻结原模型并插入低秩矩阵对，仅训练少量参数即可实现高效定制；涵盖了图像-文本对数据集准备、模型配置、基于特殊Flow Matching损失的训练流程及权重管理，具有参数量少（仅原模型1%-5%）、训练速度快、权重易分享等优势，能高效适配特定领域或风格的图像生成需求
2025-12-10 16:10:32
1249
原创 Stable Diffusion 3.5 开发者指南（二）：Flow Matching 详解
本文深入解析了Stable Diffusion 3.5的核心生成机制Flow Matching。Flow Matching是一种基于连续归一化流的生成建模方法，通过学习时间依赖的向量场，描述数据从噪声到目标分布的连续变换过程。文章详细阐述了其理论框架、数学推导和推理过程，包括概率路径定义、损失函数设计以及离散化采样步骤。通过物理运动类比直观解释了模型工作原理，并提供了MNIST数据集实战的代码框架。该技术避免了传统扩散模型的高计算成本，为高效生成建模提供了新思路。
2025-10-24 11:34:12
1531
原创 Stable Diffusion 3.5 开发指南（一）：模型获取与调用
StableDiffusion3.5（SD3.5）是StabilityAI于2024年10月发布的新一代开源文生图扩散模型。该模型采用多模态扩散Transformer架构（MMDiT-X），通过3个文本编码器（CLIP+T5）实现多粒度文本理解，并采用整流流技术将采样步数压缩至4-8步。文章详细介绍了SD3.5的模型架构、环境配置方法（Python3.10+、Torch2.6+）、模型下载途径（推荐国内模态社区），以及API调用和手动调用的完整流程，包括文本编码、VAE组件、Transformer模块、噪声
2025-10-21 16:43:39
1110
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人