最有效的通量？ GGUF + Hyper-SD 比较(Most Efficient Flux? GGUF + Hyper-SD Comparisons)

遇到了字节跳动的 Hyper-SD Lora，它是针对 Flux Dev-1 进行训练的。我很好奇它是否适用于 GGUF 版本，所以我做了一个快速的尝试和比较。以下是有关速度、图像质量和准确性的一些快速说明。 TLDR 收回：1）似乎 hyper-sd lora 针对原始 Flux-dev 进行了优化。我很惊讶 dev-1 在 8 步时比 GGUF 8 步跑得快得多。即使在 GGUF 中，没有 hyper-sd lora 的 20 步看起来实际上比 16 步版本跑得更快。想知道 GGUF 在限制 VRAM 条件下是否表现更好？ 2) 老实说，hyper-sd 8 步版本的质量和保真度损失对我来说很明显。所以我宁愿选择 16 步版本。 Dev-1 + 16 步 lora 适合那些有足够 VRAM 的人。 3）在我看来，无论如何，大多数图像的文本粘附性都已经消失，但这可以通过使用 zer0init 创建的微调剪辑模型来缓解！希望它有帮助，如果有人遇到 GGUF 优化版本炒作 n