zigma
A PyTorch implementation of the paper "ZigMa: A DiT-Style Mamba-based Diffusion Model" (ECCV 2024)
파일 탐색기
최종 버전 다운로드 (.zip)- celebamm256.yaml
- celebamm256_uncond.yaml
- celebamm512.yaml
- celebamm512_uncond.yaml
- churches256.yaml
- coco.yaml
- facehq_1024.yaml
- landscapehq_1024.yaml
- ucf101.yaml
- default.yaml
- 3d_sweep2_b2.yaml
- 3d_zigzag8sst_b2.yaml
- s1024_zigzag8_b2_old.yaml
- sweep2_b1_pe2.yaml
- zigzag8_b1_pe2.yaml
- ode.yaml
- default.yaml
- sde.yaml
- default.yaml
- default.yaml
- default.yaml
- clip.py
- dataset_wrapper.py
- video_utils.py
- wds_dataloader.py
- __init__.py
- causal_conv1d_interface.py
- causal_conv1d.cpp
- causal_conv1d.h
- causal_conv1d_bwd.cu
- causal_conv1d_common.h
- causal_conv1d_fwd.cu
- causal_conv1d_update.cu
- static_switch.h
- test_causal_conv1d.py
- AUTHORS
- LICENSE
- README.md
- setup.py
- selection.png
- benchmark_generation_mamba_simple.py
- reverse_scan.cuh
- selective_scan.cpp
- selective_scan.h
- selective_scan_bwd_bf16_complex.cu
- selective_scan_bwd_bf16_real.cu
- selective_scan_bwd_fp16_complex.cu
- selective_scan_bwd_fp16_real.cu
- selective_scan_bwd_fp32_complex.cu
- selective_scan_bwd_fp32_real.cu
- selective_scan_bwd_kernel.cuh
- selective_scan_common.h
- selective_scan_fwd_bf16.cu
- selective_scan_fwd_fp16.cu
- selective_scan_fwd_fp32.cu
- selective_scan_fwd_kernel.cuh
- static_switch.h
- uninitialized_copy.cuh
- lm_harness_eval.py
- __init__.py
- mixer_seq_simple.py
- __init__.py
- mamba_simple.py
- __init__.py
- layernorm.py
- selective_state_update.py
- __init__.py
- selective_scan_interface.py
- __init__.py
- generation.py
- hf.py
- __init__.py
- test_selective_state_update.py
- test_selective_scan.py
- AUTHORS
- LICENSE
- README.md
- setup.py
- test_mamba_module.py
- badge-colab.svg
- badge-docker.svg
- badge-website.svg
- faceshq_0.png
- landscape_0.png
- landscape_1.png
- landscape_2.png
- landscape_3.png
- teaser_3col.png
- __init__.py
- integrators.py
- path.py
- transport.py
- utils.py
- torchmetric_fdd.py
- torchmetric_fvd.py
- torchmetric_inception.py
- torchmetric_kid.py
- torchmetric_prdc.py
- torchmetric_sfid.py
- train_state_utils.py
- train_utils.py
- train_utils_args.py
- utils_gilbert.py
- utils_zigzag.py
- fvd.py
- fvd.py
- pytorch_i3d.py
- calculate_fvd.py
- calculate_lpips.py
- calculate_psnr.py
- calculate_ssim.py
- demo.py
- README.md
- .gitignore
- CITATION.cff
- LICENSE.txt
- model_zigma.py
- my_metrics.py
- README.md
- sample_acc.py
- train_acc.py
- wandb_utils.py
# 설치 가이드
1. 코드 내려받기
git clone https://github.com/CompVis/zigma
깃허브에서 프로젝트 코드 전체를 내 컴퓨터로 내려받습니다.
cd zigma
방금 내려받은 프로젝트 폴더 안으로 이동합니다.
2. 공식 설치 스크립트
쉬움 추천사전 준비물
- Python 3 pip 명령어를 쓰려면 Python이 필요합니다.
pip install torchdiffeq matplotlib h5py timm diffusers accelerate loguru blobfile ml_collections wandb
PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.
pip install hydra-core opencv-python torch-fidelity webdataset einops pytorch_lightning
PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.
pip install torchmetrics --upgrade
PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.
pip install opencv-python causal-conv1d
PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.
설치 후 새 터미널을 열고, 프로그램의 버전 확인 명령(예: --version)으로 정상 설치됐는지 확인하세요.
이 레포의 README에 적힌 실제 명령어를 그대로 가져왔습니다.
3. Python
쉬움사전 준비물
pip install torchdiffeq matplotlib h5py timm diffusers accelerate loguru blobfile ml_collections wandb
PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.
pip install hydra-core opencv-python torch-fidelity webdataset einops pytorch_lightning
PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.
pip install torchmetrics --upgrade
PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.
pip install opencv-python causal-conv1d
PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.
cd dis_causal_conv1d && pip install -e . && cd ..
방금 내려받은 프로젝트 폴더 안으로 이동합니다.
에러 메시지 없이 실행되고 터미널에 안내 문구가 출력되면 정상입니다.
이 레포의 README에 적힌 실제 명령어를 그대로 가져왔습니다.
// repository documentation
Was this content helpful?
(0 ratings)