MiniDog

MiniDog 框架支持在消费级 GPU 上训练文本到图像模型

研究人员开发了 MiniDog，一个旨在使文本到图像扩散模型的训练更加易于访问的框架。该系统利用四块消费级 GPU，可在不到一小时内完成扩散 transformer 的预训练，并在约 15 分钟内完成微调。MiniDog 采用紧凑的 transformer 架构、用于文本编码的小型 Qwen 模型以及各种加速技术，证明了并非只有前沿的全面模型才是定制模型训练的唯一途径。