Inicio Proyectos diffusers-torchao
diffusers-torchao
Python

diffusers-torchao

Recetas de extremo a extremo para optimizar modelos de difusión con torchao y diffusers (inferencia y entrenamiento FP8).

por sayakpaul · GitHub
Estrellas
Ramas
Licencia
Creado
Último commit
Lenguaje
architecture-optimizationdiffusion-modelsfluxApache-2.0Python
Ver en GitHub
En palabras simples

Optimiza los procesos de generación de imágenes y videos con recetas de entrenamiento para modelos de IA específicos.

¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
diffusers-torchao — GitHub preview card
📈 Historial de estrellas
400399
2026-07-202026-08-31
📈 Sigue diffusers-torchao

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

Recetas de extremo a extremo para optimizar modelos de difusión con torchao y diffusers (inferencia y entrenamiento FP8).

diffusers-torchao tiene 399 estrellas en GitHub. Se ha bifurcado 16 veces. diffusers-torchao está escrito principalmente en Python. Se desarrolla activamente desde 2024. diffusers-torchao está disponible bajo la licencia Apache-2.0. Sus temas principales son: architecture-optimization, diffusion-models, flux, text-to-image.

Frequently asked questions

¿Qué es diffusers-torchao?

Recetas de extremo a extremo para optimizar modelos de difusión con torchao y diffusers (inferencia y entrenamiento FP8).

¿diffusers-torchao es de código abierto?

diffusers-torchao es un proyecto de código abierto. Se distribuye bajo la licencia Apache-2.0.

¿diffusers-torchao es gratis?

Sí. diffusers-torchao es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿Bajo qué licencia está diffusers-torchao?

diffusers-torchao está disponible bajo la licencia Apache-2.0.

¿En qué lenguaje está escrito diffusers-torchao?

diffusers-torchao está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?
olud.ai badge — diffusers-torchao

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=sayakpaul-diffusers-torchao)](https://olud.ai/project/sayakpaul-diffusers-torchao.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →
flux-krea
Repositorio oficial de GitHub para FLUX.1 Krea [dev].
364 · diffusion-models
compartefluxtext-to-image
Attend-and-Excite
Implementación oficial para "Attend-and-Excite: Guía Semántica Basada en Atención para Modelos…
772 · diffusion-models
compartetext-to-imagediffusion-models
e4t-diffusion
Implementación de ajuste de dominio basado en codificadores para la personalización rápida de m…
324 · deep-learning
compartetext-to-imagediffusion-models
nunchaku
[ICLR2025 Spotlight] SVDQuant: Absorción de valores atípicos mediante componentes de bajo rango…
3.9k · comfyui
compartefluxdiffusion-models
MACE
[CVPR 2024] "MACE: Borrado Masivo de Conceptos en Modelos de Difusión" (Implementación Oficial)
393 · diffusion-models
compartetext-to-imagediffusion-models
ZenCtrl
Generación de imágenes impulsada por el sujeto en contexto mientras se preserva la fidelidad de…
351 · diffusion-models
compartefluxdiffusion-models
awesome-text-to-image-studies
Una colección de estudios impresionantes sobre generación de texto a imagen.
760 · artificial-intelligence
compartetext-to-imagediffusion-models
stable-diffusion-aesthetic-gradients
Personalización para Stable Diffusion a través de Gradientes Estéticos 🎨
741 · diffusion-models
compartetext-to-imagediffusion-models
text2room
Text2Room genera mallas 3D texturizadas a partir de un texto dado utilizando modelos de texto a…
1.1k · 3d-generation
compartetext-to-imagediffusion-models
stable-flow
Implementación oficial de "Stable Flow: Capas Vitales para la Edición de Imágenes sin Entrenami…
409 · deep-learning
compartetext-to-imagediffusion-models

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.