huggingface / huggingface/diffusers

Finetuned models aren't saved or loaded properly in train_custom_diffusion.py

Offen
#9,320 8 Kommentare 0 Reaktionen 0 zugewiesene Personen Auf GitHub ansehen
bug
Vorherrschende Sprache
Python
Sterne
34.5k
Forks
7.3k
Ø Merge
3 T. 3 Std.
Gemergte PRs (30 T.)
91

Beschreibung

### Describe the bug

Thank you for your amazing work. It seems like models are not saved or loaded properly after finetuning train_custom_diffusion.py in a new dataset. Generated validation images are expected but final test (inference) results are not expected as finetuned models are not used properly. The bug most probably in the following lines.

![image](https://github.com/user-attachments/assets/2419cb7a-be87-4211-bc38-f829fe60ffb2)

### Reproduction

Please finetune using a custom dataset and see the final test/inference results.

### Logs

_No response_

### System Info

- 珞 Diffusers version: 0.31.0.dev0
- Platform: Linux-6.5.0-45-generic-x86_64-with-glibc2.17
- Running on Google Colab?: No
- Python version: 3.8.19
- PyTorch version (GPU?): 2.4.0+cu121 (True)
- Flax version (CPU?/GPU?/TPU?): not installed (NA)
- Jax version: not installed
- JaxLib version: not installed
- Huggingface_hub version: 0.24.6
- Transformers version: 4.44.0
- Accelerate version: 0.33.0
- PEFT version: not installed
- Bitsandbytes version: not installed
- Safetensors version: 0.4.4
- xFormers version: not installed
- Accelerator: NVIDIA RTX A6000, 49140 MiB
NVIDIA RTX A6000, 49140 MiB
NVIDIA RTX A6000, 49140 MiB
NVIDIA RTX A6000, 49140 MiB
- Using GPU in script?: 4 NVIDIA RTX A6000 GPUs
- Using distributed or parallel set-up in script?: distributed

### Who can help?

_No response_

Beitragsleitfaden

Beitragsleitfaden öffnen

Rechercherichtung

Beginne mit train_custom_diffusion.py und reproduziere das Finetuning auf einem benutzerdefinierten Datensatz mithilfe des im Issue beschriebenen verteilten Setups. Untersuche die im Report gezeigten save/load-Zeilen und verifiziere, dass die abschließende Inferenz das finetunierte Modell verwendet und die erwarteten Ergebnisse liefert.

Vom Indexierungsmodell aus dem Issue-Text verfasst.

Bewertung

Tech-Stack
python, pytorch
Bereich
machine-learning
Issue-Typ
Bug
Schwierigkeit
4/5
Geschätzter Aufwand
3-5 Tage
Aktivitätsstatus
Ruhig
Klarheit
Muss geklärt werden
Anfängerfreundlichkeit
45/100

Neue Issues direkt in Ihr Postfach

Eine kurze Übersicht über anfängerfreundliche GitHub-Issues.