huggingface / huggingface/diffusers

stabilityai/stable-diffusion-2-base DDIM config is not compatible with current DDIM implementation

Ouverte
#7,217 3 commentaires 0 réactions 0 personnes assignées Voir sur GitHub
bug needs-code-example stale
Langage dominant
Python
Étoiles
34.5k
Forks
7.3k
Merge moyen
3 j 3 h
PR mergées (30 j)
91

Description

### Describe the bug

Assume 30 inference steps.

There are two 925, and the number of inference steps is 31.
tensor([958, 925, 925, 892, 859, 826, 793, 760, 727, 694, 661, 628, 595, 562,
529, 496, 463, 430, 397, 364, 331, 298, 265, 232, 199, 166, 133, 100,
67, 34, 1], device='cuda:0')
```
{
"_class_name": "DDIMScheduler",
"_diffusers_version": "0.8.0",
"beta_end": 0.012,
"beta_schedule": "scaled_linear",
"beta_start": 0.00085,
"clip_sample": false,
"num_train_timesteps": 1000,
"set_alpha_to_one": false,
"skip_prk_steps": true,
"steps_offset": 1,
"trained_betas": null
}
```

The correct one should be.
tensor([958, 925, 892, 859, 826, 793, 760, 727, 694, 661, 628, 595, 562, 529,
496, 463, 430, 397, 364, 331, 298, 265, 232, 199, 166, 133, 100, 67,
34, 1], device='cuda:0')
```

{
"_class_name": "DDIMScheduler",
"_diffusers_version": "0.25.0",
"beta_end": 0.012,
"beta_schedule": "scaled_linear",
"beta_start": 0.00085,
"clip_sample": false,
"clip_sample_range": 1.0,
"dynamic_thresholding_ratio": 0.995,
"num_train_timesteps": 1000,
"prediction_type": "epsilon",
"rescale_betas_zero_snr": false,
"sample_max_value": 1.0,
"set_alpha_to_one": false,
"steps_offset": 1,
"thresholding": false,
"timestep_spacing": "leading",
"trained_betas": null
}
```

### Reproduction

See above

### Logs

_No response_

### System Info

Version: 0.26.3

### Who can help?

_No response_

Guide de contribution

Ouvrir le guide de contribution

Piste de recherche

Commencez par l’implémentation de DDIMScheduler et les configurations de scheduler fournies, en comparant la configuration des timesteps pour 30 étapes d’inférence. Reproduisez les deux sorties de tenseur avec la configuration stable-diffusion-2-base ; le travail est considéré comme terminé lorsque l’implémentation actuelle produit la séquence attendue de 30 étapes sans modifier le comportement indiqué du scheduler.

Rédigé par le modèle d'indexation à partir du texte de l'issue.

Évaluation

Stack technique
python, pytorch
Domaine
machine-learning
Type d'issue
Bug
Difficulté
4/5
Temps estimé
3-5 jours
Activité
À l'abandon
Clarté
Plutôt claire
Accessibilité débutants
35/100

Recevez les nouvelles issues par e-mail

Un résumé court des issues GitHub adaptées aux débutants.