Diffusers

• Qwen Image
  • 模型介绍
  • 版本说明
    • 参考实现
    • 变更记录
  • 微调
    • 环境搭建
    • 微调
  • 推理
    • 环境搭建及运行
  • 环境变量声明
• 引用
  • 公网地址说明

Qwen Image

模型介绍

Qwen Image是基于 MMDiT 扩散骨干与 Qwen2.5-VL 文本编码器构建的多模态图像生成模型，其核心结构创新在于采用 MSRoPE 多模态位置编码解决文本与图像位置混淆问题；功能上以卓越的多语言文本渲染（尤其中文）和精准图像编辑为特色，同时具备抢的通用图像生成能力。

版本说明

参考实现

url=https://github.com/huggingface/diffusers
commit_id=7a2b78bf0f788d311cc96b61e660a8e13e3b1e63

变更记录

2025.09.08：首次发布Qwen Image

微调

环境搭建

【模型开发时推荐使用配套的环境版本】

请参考安装指南

1. 软件与驱动安装

   # 创建并激活python环境，安装 torch 和 torch_npu，请参考上述安装指南
   
   # 将shell脚本中的环境变量路径修改为真实路径，下面为参考路径
   source /usr/local/Ascend/ascend-toolkit/set_env.sh
   

2. 克隆仓库到本地服务器

   git clone --branch 2.2.0 https://gitcode.com/Ascend/MindSpeed-MM.git
   

3. 模型搭建

   3.1 【下载 Qwen Image GitHub参考实现 在模型根目录下执行以下命令，安装模型对应PyTorch版本需要的依赖】

   git clone https://github.com/huggingface/diffusers.git
   cd diffusers
   git checkout 7a2b78b
   cp -r ../MindSpeed-MM/examples/diffusers/qwen_image/* ./examples/dreambooth
   

   【主要代码路径】

   code_path=examples/dreambooth/
   

   3.2【安装其余依赖库】

   pip install -e .
   pip install -r examples/dreambooth/requirements_qwen_image.txt # 安装对应依赖
   

微调

1. 【准备微调数据集】

   • 用户需自行获取并解压pokemon-blip-captions数据集，并在以下启动shell脚本中将dataset_name参数设置为本地数据集的绝对路径

   dataset_name="pokemon-blip-captions" # 数据集 路径
   

   • pokemon-blip-captions数据集格式如下:

   pokemon-blip-captions
   ├── dataset_infos.json
   ├── README.MD
   └── data
         └── train-001.parquet
   

   说明： 该数据集的训练过程脚本只作为一种参考示例。

   • 如用自己的微调数据集，需在shell脚本中修改dataset_name：

   dataset_name="/path/customized_datasets" # 数据集路径
   

   在shell脚本accelerate launch目录下（40行左右）将修改 dataset_name=$dataset_name，并将instance_prompt改为与自己数据集所匹配的prompt，caption_column修改为数据集匹配名称:

   # Example
   accelerate launch --config_file $config_file \
     --num_process $num_processors \
     ./train_dreambooth_lora_qwen_image.py \
     --pretrained_model_name_or_path=$model_name  \
     --dataset_name=$dataset_name \
     --caption_column="text" \
     --instance_prompt="a photo of pokemon" \
   

2. 【配置 Lora 微调脚本】

   联网情况下，微调模型可通过以下步骤下载。无网络时，用户可访问huggingface官网自行下载Qwen Image模型 model_name模型

   model_name="Qwen/Qwen-Image" # 预训练模型路径
   

   获取对应的微调模型后，在以下shell启动微调脚本中将model_name参数设置为本地预训练模型绝对路径

   model_name="Qwen/Qwen-Image"
   dataset_name="pokemon-blip-captions"
   batch_size=8
   num_processors=8
   max_train_steps=5000
   mixed_precision="bf16"
   resolution=512
   gradient_accumulation_steps=1
   config_file="bf16_accelerate_config.yaml"
   
   # accelerate launch --config_file $config_file \ 目录下
   --dataloader_num_workers=0 \ # 请基于系统配置与数据大小进行调整num workers
   

3. 【修改代码文件】

   1. 【Optional】如机器未联网，需对save_model_card进行修改： 将save_model_card删除或者放到args.push_to_hub目录下：

      validation_prompt = args.validation_prompt if args.validation_prompt else args.final_validation_prompt # 原代码
      
      if args.push_to_hub:
          save_model_card(
              (args.hub_model_id or Path(args.output_dir).name) if not args.push_to_hub else repo_id,
              images=images,
              base_model=args.pretrained_model_name_or_path,
              instance_prompt=args.instance_prompt,
              validation_prompt=validation_prompt,
              repo_folder=args.output_dir,
          )
          upload_folder(
              repo_id=repo_id,
              folder_path=args.output_dir,
              commit_message="End of training",
              ignore_patterns=["step_*", "epoch_*"],
          ) # 原代码
      
      

   2. 【Optional】多机运行

      修改config文件

      vim bf16_accelerate_config.yaml
      

      将文件中的deepspeed_multinode_launcher, main_process_ip, 以及main_process_port消除注释而进行使用。

          zero_stage: 2
          deepspeed_multinode_launcher: standard
        main_process_ip: localhost  # 主节点IP
        main_process_port: 6000     # 主节点port
        machine_rank: 0             # 当前机器的rank
        num_machines: 1             # 总共的机器数
        num_processes: 8            # 总共的卡数
      

4. 【启动 Qwen Image 微调脚本】

   本任务主要提供dreambooth_lora_qwen_image微调脚本，支持多卡训练。

   启动Qwen Image dreambooth_lora微调脚本

   bash finetune_qwen_image_dreambooth_lora_deepspeed_bf16.sh
   

推理

环境搭建及运行

同微调对应章节

cd examples/dreambooth/ # 从diffusers目录进入dreambooth目录

【DREAMBOOTH微调Qwen Image模型推理】

vim infer_qwen_image_text2img_bf16.py # 进入运行推理的Python文件

1. 修改路径

   model_name="Qwen/Qwen-Image" # Qwen Image pretrained model
   output_path = "./infer_result"  # Inference result output folder
   

2. 运行代码

   python infer_qwen_image_text2img_bf16.py
   

【lora微调FLUX模型推理】

vim infer_qwen_image_text2img_lora_bf16.py

1. 修改路径

   model_name="Qwen/Qwen-Image" # Qwen Image pretrained model
   lora_path = "qwen_image_lora" # Folder containing trained lora weights
   output_path = "./infer_result"  # Inference result output folder
   

2. 运行代码

   python infer_qwen_image_text2img_lora_bf16.py
   

环境变量声明

环境变量	描述	取值说明
ASCEND_SLOG_PRINT_TO_STDOUT	是否开启日志打印	0: 关闭日志打屏 1: 开启日志打屏
ASCEND_GLOBAL_LOG_LEVEL	设置应用类日志的日志级别及各模块日志级别，仅支持调试日志	0: 对应DEBUG级别 1: 对应INFO级别 2: 对应WARNING级别 3: 对应ERROR级别 4: 对应NULL级别，不输出日志
TASK_QUEUE_ENABLE	用于控制开启task_queue算子下发队列优化的等级	0: 关闭 1: 开启Level 1优化 2: 开启Level 2优化
COMBINED_ENABLE	设置combined标志。设置为0表示关闭此功能；设置为1表示开启，用于优化非连续两个算子组合类场景	0: 关闭 1: 开启
CPU_AFFINITY_CONF	控制CPU端算子任务的处理器亲和性，即设定任务绑核	设置0或未设置: 表示不启用绑核功能 1: 表示开启粗粒度绑核 2: 表示开启细粒度绑核
HCCL_CONNECT_TIMEOUT	用于限制不同设备之间socket建链过程的超时等待时间	需要配置为整数，取值范围[120,7200]，默认值为120，单位s
PYTORCH_NPU_ALLOC_CONF	控制缓存分配器行为	expandable_segments:<value>: 使能内存池扩展段功能，即虚拟内存特征
HCCL_EXEC_TIMEOUT	控制设备间执行时同步等待的时间，在该配置时间内各设备进程等待其他设备执行通信同步	需要配置为整数，取值范围[68,17340]，默认值为1800，单位s
ACLNN_CACHE_LIMIT	配置单算子执行API在Host侧缓存的算子信息条目个数	需要配置为整数，取值范围[1, 10,000,000]，默认值为10000
TOKENIZERS_PARALLELISM	用于控制Hugging Face的transformers库中的分词器（tokenizer）在多线程环境下的行为	False: 禁用并行分词 True: 开启并行分词
OMP_NUM_THREADS	设置执行期间使用的线程数	需要配置为整数

引用

公网地址说明

代码涉及公网地址参考 公网地址