قامت NVIDIA وHugging Face بدمج NVIDIA NeMo Automodel مع مكتبة 🤗 Diffusers لتوفير تدريب موزع من الدرجة الإنتاجية لنماذج الانتشار مفتوحة المصدر. يتيح هذا التعاون للمستخدمين ضبط أي نموذج بتنسيق Diffusers على Hugging Face Hub دون الحاجة إلى تحويل نقاط التفتيش أو إعادة كتابة كود النموذج.
- يدعم التكامل الضبط الكامل والضبط الفعال للمعاملات بنمط LoRA (PEFT) لنماذج مطابقة التدفق مثل FLUX.1-dev وWan 2.1.
- يستخدم NeMo Automodel التوازي الأصلي لـ PyTorch DTensor، بما في ذلك FSDP2 والتوازي المتجهي والسياقي وخط الأنابيب، لتوسيع نطاق التدريب من بطاقة GPU واحدة إلى مئات البطاقات.
- يعتمد النظام على التدريب في الفضاء الكامن مع مخرجات VAE المشفرة مسبقاً ومحمّلات بيانات متعددة الدلاء متعددة الدقة لتسريع معدل الإرسال.
- يتم تحميل الأوزان المدربة مسبقاً مباشرةً في DiffusionPipeline للاستدلال، مما يضمن بقاء الأدوات اللاحقة مثل التكميم والمُعيّنات المخصصة متوافقة.
يتيح هذا النهج للباحثين والمطورين توسيع نطاق تكييف نماذج الانتشار بكفاءة مع الحفاظ على التوافق مع نظام Hugging Face الموجود.