Skip to content

Latest commit

 

History

History
92 lines (60 loc) · 4 KB

commands_zh.md

File metadata and controls

92 lines (60 loc) · 4 KB

命令

推理

您可以修改相应的配置文件来更改推理设置。在 此处 查看更多详细信息。

在 ImageNet 上使用 DiT 预训练进行推理

以下命令会自动在 ImageNet 上下载预训练权重并运行推理。

python scripts/inference.py configs/dit/inference/1x256x256-class.py --ckpt-path DiT-XL-2-256x256.pt

在 UCF101 上使用 Latte 预训练进行推理

以下命令会自动下载 UCF101 上的预训练权重并运行推理。

python scripts/inference.py configs/latte/inference/16x256x256-class.py --ckpt-path Latte-XL-2-256x256-ucf101.pt

使用 PixArt-α 预训练权重进行推理

将 T5 下载到 ./pretrained_models 并运行以下命令。

# 256x256
torchrun --standalone --nproc_per_node 1 scripts/inference.py configs/pixart/inference/1x256x256.py --ckpt-path PixArt-XL-2-256x256.pth

# 512x512
torchrun --standalone --nproc_per_node 1 scripts/inference.py configs/pixart/inference/1x512x512.py --ckpt-path PixArt-XL-2-512x512.pth

# 1024 multi-scale
torchrun --standalone --nproc_per_node 1 scripts/inference.py configs/pixart/inference/1x1024MS.py --ckpt-path PixArt-XL-2-1024MS.pth

使用训练期间保存的 checkpoints 进行推理

在训练期间，会在 outputs 目录中创建一个实验日志记录文件夹。在每个 checkpoint 文件夹下（例如 epoch12-global_step2000），有一个 ema.pt 文件和共享的 model 文件夹。执行以下命令进行推理。

# 使用 ema 模型进行推理
torchrun --standalone --nproc_per_node 1 scripts/inference.py configs/opensora/inference/16x256x256.py --ckpt-path outputs/001-STDiT-XL-2/epoch12-global_step2000/ema.pt

# 使用模型进行推理
torchrun --standalone --nproc_per_node 1 scripts/inference.py configs/opensora/inference/16x256x256.py --ckpt-path outputs/001-STDiT-XL-2/epoch12-global_step2000

# 使用序列并行进行推理
# 当 nproc_per_node 大于 1 时，将自动启用序列并行
torchrun --standalone --nproc_per_node 2 scripts/inference.py configs/opensora/inference/16x256x256.py --ckpt-path outputs/001-STDiT-XL-2/epoch12-global_step2000

第二个命令将在 checkpoint 文件夹中自动生成一个 model_ckpt.pt 文件。

推理超参数

  1. DPM 求解器擅长对图像进行快速推理。但是，它的视频推理的效果并不令人满意。若出于快速演示目的您可以使用这个求解器。
type="dmp-solver"
num_sampling_steps=20
  1. 您可以在视频推理上使用 SVD 微调的 VAE 解码器（消耗更多内存）。但是，我们没有看到视频推理效果有明显改善。要使用它，请将 预训练权重 下载到 ./pretrained_models/vae_temporal_decoder 中，并修改配置文件，如下所示。
vae = dict(
    type="VideoAutoencoderKLTemporalDecoder",
    from_pretrained="pretrained_models/vae_temporal_decoder",
)

训练

如果您要继续训练，请运行以下命令。参数 --load 和 --ckpt-path 不同之处在于，它会加载优化器和数据加载器的状态。

torchrun --nnodes=1 --nproc_per_node=8 scripts/train.py configs/opensora/train/64x512x512.py --data-path YOUR_CSV_PATH --load YOUR_PRETRAINED_CKPT

如果要启用 wandb 日志，请添加到 --wandb 参数到命令中。

WANDB_API_KEY=YOUR_WANDB_API_KEY torchrun --nnodes=1 --nproc_per_node=8 scripts/train.py configs/opensora/train/64x512x512.py --data-path YOUR_CSV_PATH --wandb True

您可以修改相应的配置文件来更改训练设置。在 此处 查看更多详细信息。

训练超参数

  1. dtype 是用于训练的数据类型。仅支持 fp16 和 bf16。ColossalAI 自动启用 fp16 和 bf16 的混合精度训练。在训练过程中，我们发现 bf16 更稳定。