MACE 项目使用教程

MACE 项目使用教程

MACE [CVPR 2024] "MACE: Mass Concept Erasure in Diffusion Models" (Official Implementation) 项目地址: https://gitcode.com/gh_mirrors/mace/MACE

1. 项目目录结构及介绍

MACE 项目的目录结构如下：

MACE/
├── assets/
├── configs/
├── metrics/
├── prompts_csv/
├── src/
├── LICENSE
├── README.md
├── data_preparation.py
├── inference.py
├── training.py

目录介绍

• assets/: 存放项目相关的静态资源文件。
• configs/: 存放项目的配置文件，用于定义训练和推理的参数。
• metrics/: 存放用于评估模型性能的脚本。
• prompts_csv/: 存放用于生成图像的提示词 CSV 文件。
• src/: 存放项目的源代码，包括数据准备、模型训练和推理的脚本。
• LICENSE: 项目的开源许可证文件。
• README.md: 项目的介绍文档。
• data_preparation.py: 数据准备脚本，用于生成训练数据。
• inference.py: 推理脚本，用于从训练好的模型中生成图像。
• training.py: 训练脚本，用于训练模型以擦除特定概念。

2. 项目启动文件介绍

data_preparation.py

该脚本用于准备训练数据。通过配置文件指定要擦除的概念，并生成相应的图像和分割掩码。

使用方法:

CUDA_VISIBLE_DEVICES=0 python data_preparation.py configs/object/ship.yaml

training.py

该脚本用于训练模型以擦除特定概念。通过配置文件指定训练参数。

使用方法:

CUDA_VISIBLE_DEVICES=0 python training.py configs/object/ship.yaml

inference.py

该脚本用于从训练好的模型中生成图像。通过指定提示词和模型路径，生成相应的图像。

使用方法:

CUDA_VISIBLE_DEVICES=0 python inference.py \
  --num_images 3 \
  --prompt 'your_prompt' \
  --model_path /path/to/saved_model/LoRA_fusion_model \
  --save_path /path/to/save/folder

3. 项目的配置文件介绍

configs/object/ship.yaml

该配置文件用于定义训练和推理的参数。以下是配置文件的主要内容：

# 数据准备配置
data_preparation:
  concept: "ship"
  num_images: 8

# 训练配置
training:
  epochs: 10
  batch_size: 4
  learning_rate: 0.001

# 推理配置
inference:
  num_images: 3
  prompt: "your_prompt"
  model_path: "/path/to/saved_model/LoRA_fusion_model"
  save_path: "/path/to/save/folder"

配置文件说明

• data_preparation: 定义数据准备的参数，如要擦除的概念和生成的图像数量。
• training: 定义训练的参数，如训练轮数、批量大小和学习率。
• inference: 定义推理的参数，如生成的图像数量、提示词、模型路径和保存路径。

通过修改这些配置文件，可以自定义训练和推理的行为。

MACE [CVPR 2024] "MACE: Mass Concept Erasure in Diffusion Models" (Official Implementation) 项目地址: https://gitcode.com/gh_mirrors/mace/MACE