单卡3.5天从零训练2.1亿参数文生图DiT并开源配方

一位研究者为积累从零训练 flow 模型的一手经验，在单张 RTX PRO 6000 上用 3.5 天、420 万张精选 256² 图像，从零训练了一个 2.1 亿参数的 cross-attention diffusion transformer 文生图模型，并基于 rectified flow 等技术路线完成实测，得出三项发现。作者公开了全部训练配方与权重，供社区复现与研究参考。

2026-09-10 ~ 2026-09-11 · 2 条相关