Ana içeriğe geç

Tekrarlanabilirlik

Aynı seed, aynı görüntü

seed iletirseniz başlangıç gürültüsü, modeli hangi aygıt çalıştırırsa çalıştırsın, referanstaki gibi CPU üzerinde torch.Generator("cpu").manual_seed(seed) ile üretilir (örnek Stable Diffusion içindir; mimari farkları ilgili model sayfasında belirtilir).

a = pipe("a cat", seed=1).images[0]
b = pipe("a cat", seed=1).images[0]
assert a.tensor.equal(b.tensor)

seed vermezseniz rastgele bir değer seçilip result.metadata içine kaydedilir; böylece görüntü sonradan yeniden üretilebilir. seed veya kendi gürültü tensörünüz olan latents değerinden yalnızca birini iletin.

Referansla aynı görüntü

imagehub, kayıtlı checkpoint'ler için CPU'da float32 kullanarak her modelin kayıtlı referans uygulamasıyla aynı pikselleri üretir. Doğrulama kaydı kullanılan diffusers, transformers veya resmî kod revizyonunu tam olarak belirtir. İddianın kanıtları şunlardır:

  • Sonuçlar: checkpoint başına bir satırla kayıtlı farklar.
  • Galeri: referans ve imagehub görüntülerinin yan yana karşılaştırması.
  • Doğrulama kaydı: yöntem, toleranslar ve süreçte bulunan hatalar.

Yine de neler farklı olabilir

  • Farklı aygıt veya hassasiyet: Aygıtlar ve hassasiyet sayfasına bakın.
  • Referans kitaplığının farklı bir sürümü: kayıt, ölçümde kullanılan sürümleri belirtir.
  • Farklı ağırlıklar: katalog bir revizyonu sabitler; başka revizyonlar kapsam dışındadır.

Hizalama önemlidir

Safetensors dosyaları memory-map ile açılır; böylece ağırlıklar yayımlandıkları hizalamayla okunur. CPU BLAS, farklı hizalanmış verileri farklı sırada toplayabilir. Bu, doğrulama sırasında bulunan gerçek uyuşmazlık nedenlerinden biriydi.