diffusion-engineering
Skill213 starsChanged 2 days agoMITView on GitHub
Практическая инженерия диффузионных моделей: архитектуры, обучение, инференс, оптимизация памяти. Использовать при любых задачах с диффузионными моделями: проектирование или модификация архитектуры (UNet/DiT/Flow/Flux), выбор и настройка schedulers/samplers, дообучение (LoRA/DreamBooth/full fine-tune), оптимизация памяти (AMP/checkpointing/ZeRO/FSDP/quantization), замена или fusion текст-энкодеров (CLIP/Qwen), работа с Diffusers, отладка диффузионных пайплайнов, оценка качества (FID/CLIPScore/LPIPS), latent diffusion, VAE, guidance/CFG, rectified flow, Stable Diffusion, SDXL, Flux. Также применять при вопросах про GPU-память при обучении генеративных моделей, text-to-image пайплайны, ControlNet, multi-encoder fusion, WebDataset. Do NOT use for writing FLUX.2 Klein generation prompts (use flux2-klein-prompting) или для FLUX.2 Klein / Qwen-Edit LoRA-тренинга и edit-LoRA (use flux2-lora-training); это общая диффузионная инженерия, не специфика FLUX.2 Klein.
Files
Diffusion Engineering Skill
Быстрая ориентация
Три инженерных решения, которые больше всего влияют на качество/скорость/стоимость:
- Где идёт диффузия → пиксели (дорого) или латентное пространство (LDM/SD-семейство — практично)
- Backbone денойзера → UNet (классика, проще) или Transformer/DiT/Flow (масштабируется лучше)
- Управление сэмплингом → scheduler, число шагов, guidance_scale — часто дают больше, чем правка сети
Reference files — читать по задаче
| Тема | Файл | Когда читать |
| Архитектуры и data flow | references/architectures.md | DDPM/SDE/LDM/DiT/Flux/VAE/SDXL, схема пайплайна |
| Schedulers и guidance | references/samplers.md | DDIM/Euler/Heun/DPM-Solver/PNDM, CFG, prediction_type |
| Обучение и дообучение | references/training.md | Loss/цели, LoRA/DreamBooth/full FT, гиперпараметры |
| Память и распределённость | references/memory.md | AMP, checkpointing, ZeRO, FSDP, quantization, FP8 |
| Текст-энкодеры и данные | references/encoders-data.md | CLIP/Qwen/multi-encoder, токенизация, data pipeline |
| Оценка и траблшутинг | references/eval-debug.md | FID/CLIPScore/LPIPS, типовые поломки и фиксы, лицензии |
Быстрый чеклист «я строю/модифицирую diffusion»
- Backbone: UNet (проще) или DiT/Flow (масштабирование)?
- Модули зафиксированы: tokenizer → text encoder →
encoder_hidden_states→ denoiser → VAE decode - Scheduler выбран: DDIM / Euler / DPM-Solver — A/B на фиксированных seed
- Дообучение: начинать с LoRA, в full fine-tune только при необходимости
- Память: AMP включён, при необходимости checkpointing, при масштабе ZeRO/FSDP
- Данные: стриминг/шардинг (HF streaming, WebDataset), валидировать throughput dataloader
- Оценка: выбрать метрики под требуемый результат и доступные данные, а не обязательный набор FID/CLIPScore/LPIPS. Для парной ретуши проверять сохранность личности/геометрии/цвета и целевое изменение на фиксированном наборе; FID не заменяет эти проверки. См.
references/eval-debug.md.
Trade-offs на один экран
| Ручка | Увеличить | Уменьшить |
num_inference_steps | ↑ время; качество проверять для данной модели | ↓ время; качество проверять, особенно у distilled моделей |
guidance_scale (CFG) | ↑ adherence к промпту, риск «пережога» | ↑ разнообразие |
| LoRA rank | ↑ выразительность | ↑ параметры, риск overfitting |
| Шаги дообучения | ↑ адаптация | ↑ риск catastrophic forgetting |
| Batch size | ↑ стабильность градиентов | ↑ VRAM |
Мини-рецепты по бюджету GPU
| Бюджет | Что делать |
| 8–16 GB (1 GPU) | LoRA вместо full FT; grad accumulation; BF16/FP16; xFormers/SDPA; 8-bit оптимизатор |
| 24–48 GB (1–4 GPU) | LoRA или partial FT; иногда FSDP; большее разрешение |
| 8+ GPU, H100 | Full FT, ZeRO-3/FSDP, float8, WebDataset стриминг, масштабный датапайплайн |
Gotchas
- Универсальный набор метрик превращал малую парную edit-задачу в ненужный сбор тысяч генераций. Метрика должна проверять конкретное требование; численный балл не заменяет визуальную приёмку.
- Число workers и оптимизации памяти — кандидаты для замера на данном runtime, не обязательная лестница. Больше workers может замедлить Windows-пайплайн или дублировать iterable-данные.
Troubleshooting
| Симптом | Проверка | Действие |
| Оценка не отвечает, исправлена ли ретушь | Связать каждую метрику с требованием и эталонной парой | Заменить нерелевантную метрику проверкой нужного свойства; сохранить визуальный контроль |
| Загрузка данных медленнее после настройки | Сравнить throughput, память и уникальность данных с num_workers=0 | Оставить измеренно подходящие параметры; шардировать iterable dataset при нескольких workers |
Other versions1 project uses a version of this.
Word for word · 1
- AnastasiyaW/claude-code-config★ 209100% same
Edited · 0
None found.
Wrote their own version · 0
None found.
How matches are found. Word for word: the exact same text. Edited: shares passages with this file (“99% same” means 99% of its five-word phrases also appear here; 10% or more counts). Their own version: similar meaning, or, weakest, the same name. We can’t tell which project had it first. Projects are counted among the 200 most-starred candidates, and mentions are links to the repository we found, up to 50 per site, so both counts are a floor.
In this repository60 other files it gives its agents.
- AGENTS.mdAGENTS.md
- CLAUDE.mdCLAUDE.md
- agent-harness-designSkill
- agents-best-practicesSkill
- flux2-klein-promptingSkill
- flux2-lora-trainingSkill
- forensic-prompt-compilerSkill
- ml-research-labSkill
- notebooklm-grounded-researchSkill
- vlm-segmentationSkill
- feature-newSkill
- harness-designSkill
- layer-newSkill
- plan-swarm-reviewSkill
- pixel-art-storyboardSkill
- pixel-art-studioSkill
- architecture-firstSkill
- architecture-qualitySkill
- bug-reproducerSkill
- code-complexitySkill
- control-cliSkill
- control-uiSkill
- deep-reviewSkill
- deslopSkill
- distill-feedbackSkill
- harness-feedbackSkill
- proof-verifySkill
- refactoring-safelySkill
- repo-mapSkill
- root-cause-deliverySkill
- system-and-data-designSkill
- testing-strategySkill
- thermo-nuclear-code-quality-reviewSkill
- verify-thisSkill
- workflow-orchestrationSkill
- frontend-designSkill
- motion-framerSkill
- ui-designSkill
- ui-ux-pro-maxSkill
- ios-developmentSkill
- lean-codeSkill
- cross-harness-continuationSkill
- deepseek-provider-contractSkill
- desktop-sessions-discoverySkill
- epistemic-challengeSkill
- gemini-delegateSkill
- harness-auditSkill
- observability-monitoringSkill
- remote-compute-opsSkill
- plan-to-ticketsSkill
- product-meaning-extractorSkill
- remotion-production-guideSkill
- script-evaluatorSkill
- video-narrative-arcSkill
- video-post-productionSkill
- article-structure-reviewSkill
- cavemanSkill
- humanize-englishSkill
- humanize-russianSkill
- owner-voiceSkill
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
Reviews can't be read right now.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.