HunyuanDiT for PyTorch

目录

• HunyuanDiT for PyTorch
• 目录
• 简介
  • 模型介绍
  • 支持任务列表
  • 代码实现
• HunyuanDiT（在研版本）
  • 准备训练环境
    • 安装模型环境
    • 安装昇腾环境
    • 准备数据集
      • 训练数据集准备
    • 获取预训练模型
  • 快速开始
    • 训练任务
      • 开始训练
    • 推理任务
      • 开始推理
• 公网地址说明
• 变更说明
  • 变更
• FAQ

简介

模型介绍

HunyuanDiT是由腾讯开发并开源的一款先进的文生图（文本到图像）模型。该模型支持中英文双语输入，特别针对中文进行了优化，能够深刻理解中文语境和文化元素，生成高质量且富有中国文化特色的图像。HunyuanDiT经过大规模中文数据集的训练，涵盖了广泛的类别和艺术风格，能够根据文本提示生成细腻逼真的图像。 本仓库主要将HunyuanDiT模型的任务迁移到了昇腾NPU上，并进行极致性能优化。

支持任务列表

本仓已经支持以下模型任务类型

代码实现

• 参考实现：

  url=https://github.com/Tencent/HunyuanDiT
  commit_id=3bb80e1dedba5bf9728e7c9566c4b5c665bbfbd2
  

• 适配昇腾 AI 处理器的实现：

  url=https://gitee.com/ascend/ModelZoo-PyTorch.git
  code_path=PyTorch/built-in/mlm/HunyuanDiT
  

HunyuanDiT（在研版本）

准备训练环境

安装模型环境

表 3 三方库版本支持表

在模型根目录下执行以下命令，安装模型对应PyTorch版本需要的依赖。

source ${cann_install_path}/ascend-toolkit/set_env.sh              # 激活cann环境
cd HunyuanDiT
pip install -r requirements.txt                                    #安装其它依赖

安装昇腾环境

请参考昇腾社区中《Pytorch框架训练环境准备》文档搭建昇腾环境，本仓已支持表4中软件版本。

表 4 昇腾软件版本支持表

准备数据集

训练数据集准备

数据集准备请参考官网，链接如下： https://github.com/Tencent/HunyuanDiT

获取预训练模型

1. 联网情况下，预训练模型会自动下载。

2. 无网络时，用户可访问huggingface官网自行下载(https://huggingface.co/Tencent-Hunyuan/HunyuanDiT/tree/main)

3. 将下载好的t5模型放在本工程目录下的ckpts目录下，组织结构如下：

   $HunyuanDiT
   ├── ckpts
   ├── ├── t2i
   ├── ├── ├── clip_text_encoder
   ├── ├── ├── model
   ├── ├── ├── mt5
   ├── ├── ├── sdxl-vae-fp16-fix
   ├── ├── ├── tokenizer
   └── ...
   

快速开始

训练任务

本任务主要以全参微调为主，展示训练任务，包含单机单卡和单机多卡的训练。

开始训练

1. 进入解压后的源码包根目录。

   cd /${模型文件夹名称} 
   

2. 准备训练数据。 按照官网流程，准备对应数据集，放在模型文件夹下，如图：

   dataset
    ├──porcelain
    │  ├──images/  (image files)
    │  │  ├──0.png
    │  │  ├──1.png
    │  │  ├──......
    │  ├──csvfile/  (csv files containing text-image pairs)
    │  │  ├──image_text.csv
    │  ├──arrows/  (arrow files containing all necessary training data)
    │  │  ├──00000.arrow
    │  │  ├──00001.arrow
    │  │  ├──......
    │  ├──jsons/  (final training data index files which read data from arrow files during training)
    │  │  ├──porcelain.json
    │  │  ├──porcelain_mt.json
   

3. 运行训练脚本。

   用户可以按照自己训练需要进行参数配置，以下给出多卡的一种训练示例。

   【如需长步数训练】 需修改epochs默认步数1400步为所需步数 (Total Optimzation Steps为Epochs * len(Data Loader) // Gradient Accumulation Steps)

   vim test/train_full_8p_bf16.sh
   
   # 修改epochs为所需步数
   --reso-step 64 \
   --epochs 1400 \ 
   --max-training-steps ${max_train_steps} \
   

   vim test/train_full_8p_bf16.sh
   
   # 修改epochs为所需步数
   --reso-step 64 \
   --epochs 1400 \ 
   --max-training-steps ${max_train_steps} \
   

   【zero3】配置可在/hydit/modules/models.py文件里修改层数等，如修改depth层为90

   运行zero2配置脚本

   bash test/train_full_8p_bf16.sh
   # 混合精度BF16，8卡训练
   

   运行zero3配置脚本

   bash test/train_full_8p_bf16_zero3.sh
   # 混合精度BF16，8卡训练
   

性能展示

性能 (zero2)

推理任务

本任务主要以全参微调为主，展示推理任务，包括单卡在线推理。

开始推理

1. 进入解压后的源码包根目录。

   cd /${模型文件夹名称} 
   

2. 运行推理的脚本（待补充）。

• 单机单卡推理

  bash test/inference_full_1p_fp16.sh  # 混精fp16 在线推理
  

• 推理脚本参数说明如下

  test/inference_full_1p_fp16.sh
  --prompt                         //测试用的prompt
  

公网地址说明

代码涉及公网地址参考 public_address_statement.md

变更说明

变更

2024.08.22：HunyuanDiT bf16训练和fp16推理任务首次发布。

FAQ