Diffsynth-Studio

• Qwen Image Edit
  • 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 Edit

模型介绍

Qwen Image Edit 是基于 Qwen Image 基础模型扩展的图像编辑功能，通过引入输入图像编辑机制实现对现有图像的修改能力。Qwen Image Edit 继承了 Qwen Image 的完整Dit架构 QwenImageDit 和其他核心组件 QwenImageTextEncoder、QwenImageVAE，使用 Qwen2VLProcessor 处理包含图像和文本的编辑指令，采用特殊的提示模板，将编辑图像和文本指令联合编码。Qwen Image 系列的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，同时具备强大的通用图像生成能力。

版本说明

参考实现

url=https://github.com/modelscope/Diffsynth-Studio
commit_id=084bc2fc78422fd15b37f7a8db02ad924eaf2917

变更记录

2025.11.18: 首次发布Qwen Image Edit

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/cann/set_env.sh
   

2. 克隆仓库到本地服务器

   git clone --branch 2.3.0 https://gitcode.com/Ascend/MindSpeed-MM.git
   

3. 模型搭建

   3.1 【下载 Qwen Image Edit 项目 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/modelscope/DiffSynth-Studio.git
   cd DiffSynth-Studio
   git checkout 084bc2f
   bash ../MindSpeed-MM/examples/diffsynth/qwen_image_edit/replace_npu_patch.sh
   

   3.2【安装其余依赖库】

   pip install -e .
   pip install -r requirements.txt # 安装对应依赖
   

微调

1. 【下载权重】

   用户可访问modelscope官网自行下载完整模型库Qwen Image Edit 模型权重

2. 【准备微调数据集】

   用户可自行获取数据集UltraEdit 数据集，该数据集规模庞大，可仅下载一个parquet文件。parquet格式数据需要转换为下文规定的格式。用户也可以自行构建数据集，构建后的数据集应符合以下几点要求：

   • 数据集文件夹应按照以下规范形式存放

     dataset_name
     ├── metadata_edit.csv
     └── images
           ├── edited_00010000.jpg
           ├── source_00010000.jpg
           └── ......
     

     说明： dataset_name 代表数据集名称。 metadata_edit.csv 是结构化数据索引/配置文件，使用表格的形式记录数据的路径、标签、元数据、配对关系等信息。 images 是存放图像的文件夹，所有图像均存放在此文件夹中。

   • metadata_edit.csv 对图像编辑任务所需的一对输入图像进行信息记录的示例如下：

     image	edit_image	prompt	sample_id
     images/source_00010000.jpg	images/edited_00010000.jpg	transform the bird into a butterfly	10000
     images/source_00010001.jpg	images/edited_00010001.jpg	change the cat's fur color to orange	10001

     说明： image 是编辑前的图像，图像命名打头为source_，后跟图像序号；edit_image 则是编辑后的图像，图像命名打头为edited_，后跟图像序号。 prompt 是图像编辑指令。 sample_id 是图像序号，一对image和edit_image使用共同的图像序号。

3. 【配置 Lora 微调脚本】

   下载好权重和数据集之后，即可根据实际存放路径修改模型微调shell脚本train_qwen_image_edit_lora.sh

   • 根据权重路径修改transformer_path、text_encoder_path、model_paths、tokenizer_path、processor_path model_paths存放transformer、text_encoder、vae三个模型组件的权重路径，对于使用多个分片文件保存的权重，需要使用[]将其囊括并使用,和换行符相分隔，修改后的model_paths参数示例如下：

     transformer_path="Qwen/Qwen-Image-Edit/transformer"
     text_encoder_path="Qwen/Qwen-Image-Edit/text_encoder"
     model_paths='[
         [
             "'"${transformer_path}"'/diffusion_pytorch_model-00001-of-00005.safetensors",
             "'"${transformer_path}"'/diffusion_pytorch_model-00002-of-00005.safetensors",
             "'"${transformer_path}"'/diffusion_pytorch_model-00003-of-00005.safetensors",
             "'"${transformer_path}"'/diffusion_pytorch_model-00004-of-00005.safetensors",
             "'"${transformer_path}"'/diffusion_pytorch_model-00005-of-00005.safetensors"
         ],
         [
             "'"${text_encoder_path}"'/model-00001-of-00004.safetensors",
             "'"${text_encoder_path}"'/model-00002-of-00004.safetensors",
             "'"${text_encoder_path}"'/model-00003-of-00004.safetensors",
             "'"${text_encoder_path}"'/model-00004-of-00004.safetensors"
         ],
         "/path/Qwen-Image-Edit/vae/diffusion_pytorch_model.safetensors"
     ]'
     

     tokenizer_path存放tokenizer地址，processor_path存放processor地址：

     tokenizer_path="Qwen/Qwen-Image-Edit/tokenizer"
     processor_path="Qwen/Qwen-Image-Edit/processor"
     

   • 根据数据集路径修改dataset_base_path、dataset_metadata_path dataset_base_path存放所构建数据集的dataset_name，dataset_metadata_path则存放csv文件地址：

     dataset_base_path="/path/dataset"
     dataset_metadata_path="/path/dataset/metadata_edit.csv"
     

   • 根据分布式训练配置修改accelerate配置 accelerate_config.yaml默认设置单机8卡进行zerostage2切分策略训练，如需更改lora训练的配置，请在./examples/qwen_image/model_training/lora/accelerate_config.yaml中进行修改，同时将该文件的相对路径放置在config_file参数后。

   • 根据数据集规模、dataset_repeat、num_epochs控制train steps： dataset_repeat指数据集的样本重复次数、num_epochs则指训练epoch数。dataset_repeat应设置得较小，以免训练时显存溢出。Qwen Image Edit的训练步数由以下公式求得：

     training_steps = len(dataloader) × num_epochs
     

4. 【修改代码文件】

   1. 根据NPU特性使用patch

   打开train.py文件

    ```shell
    vim ./examples/qwen_image/model_training/train.py # 进入Python文件
    ```
   
    - 在import栏（第4行之前插入代码）
   
    ```python
    # 添加代码
    from diffsynth.models.qwen_image_edit_patch import apply_patches
    apply_patches()
   
    from diffsynth.pipelines.qwen_image import QwenImagePipeline, ModelConfig # 原代码
    ```
   

   2. 【Optional】多机运行

      修改config文件

      vim ./examples/qwen_image/model_training/lora/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，主节点IP在组成多机的所有机器中保持一致，根据实际使用需要修改num_machines、num_processes。所有机器的CANN版本应保持一致。

          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
      

5. 【启动 Qwen Image Edit微调脚本】

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

   启动 Qwen Image Edit lora微调脚本

   bash examples/qwen_image/model_training/lora/train_qwen_image_edit_lora.sh  
   

微调性能

吞吐

Qwen Image Edit 在 昇腾芯片 和 参考芯片 上的性能对比：

芯片	卡数	任务	FPS	batch_size	AMP_Type	Torch_Version	deepspeed
Atlas 900 A2 PODc	8p	Qwen Image Edit-LoRA微调	20.59	8	bf16	2.7.1	✔
竞品A	8p	Qwen Image Edit-LoRA微调	17.47	8	bf16	2.7.1	✔

推理

环境搭建及运行

同微调对应章节

【Qwen Image Edit模型推理】

vim ./examples/qwen_image/model_inference/inference_qwen_image_edit_bf16.py # 进入运行推理的Python文件

1. 修改路径

```python
transformer_path = "Qwen/Qwen-Image-Edit/transformer"
transformer_files = "${transformer_path}/diffusion_pytorch_model*.safetensors"

text_encoder_path = "Qwen/Qwen-Image-Edit/text_encoder"
text_encoder_files = "${text_encoder_path}/model*.safetensors"

vae_file = "Qwen/Qwen-Image/vae/diffusion_pytorch_model.safetensors"

tokenizer_file = "Qwen/Qwen-Image/tokenizer"

processor_file = "Qwen/Qwen-Image/processor"
```

`transformer_files`和`text_encoder_files`若为分片保存的多文件权重，需要使用`[]`将其囊括并使用`,`和换行符相分隔：

```python
transformer_path = "Qwen/Qwen-Image-Edit/transformer"
transformer_files = [
          "${transformer_path}/diffusion_pytorch_model-00001-of-00005.safetensors",
          "${transformer_path}/diffusion_pytorch_model-00002-of-00005.safetensors",
          "${transformer_path}/diffusion_pytorch_model-00003-of-00005.safetensors",
          "${transformer_path}/diffusion_pytorch_model-00004-of-00005.safetensors",
          "${transformer_path}/diffusion_pytorch_model-00005-of-00005.safetensors"
      ]

text_encoder_path = "Qwen/Qwen-Image-Edit/text_encoder"
text_encoder_files = [
          "${text_encoder_path}/model-00001-of-00004.safetensors",
          "${text_encoder_path}/model-00002-of-00004.safetensors",
          "${text_encoder_path}/model-00003-of-00004.safetensors",
          "${text_encoder_path}/model-00004-of-00004.safetensors"
      ]
```

2. 运行代码

   source /usr/local/Ascend/cann/set_env.sh
   python examples/qwen_image/model_inference/inference_qwen_image_edit_bf16.py
   

【lora微调Qwen Image Edit模型推理】

vim ./examples/qwen_image/model_inference/inference_qwen_image_edit_lora_bf16.py

1. 修改路径

```python
transformer_path = "Qwen/Qwen-Image-Edit/transformer"
transformer_files = "${transformer_path}/diffusion_pytorch_model*.safetensors"

text_encoder_path = "Qwen/Qwen-Image-Edit/text_encoder"
text_encoder_files = "${text_encoder_path}/model*.safetensors"

vae_file = "Qwen/Qwen-Image/vae/diffusion_pytorch_model.safetensors"

tokenizer_file = "Qwen/Qwen-Image/tokenizer"

processor_file = "Qwen/Qwen-Image/processor"

lora_path = "Qwen-Image-LoRA/model.safetensors"
```

`lora_path`是存放 lora 权重的绝对路径，其他权重同上

2. 运行代码

   source /usr/local/Ascend/cann/set_env.sh
   python examples/qwen_image/model_inference/inference_qwen_image_edit_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