sd-leap-booster

让 Stable Diffusion 微调更快，从局部最优起步，省时省力。

sd-leap-booster 是一个面向 Stable Diffusion 的微调加速工具，通过引入一个“助推器”模型，将初始状态置于损失曲面的局部最小值附近，从而大幅缩短训练时间。它主要解决传统文本反演（Textual Inversion）或 Dreambooth 微调中收敛慢、需要大量迭代的问题。核心能力包括：快速初始化嵌入向量、支持自定义数据集、与现有 Stable Diffusion 工作流无缝集成。项目处于早期阶段，代码简洁，适合对微调效率有需求的开发者尝试。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 112

维护状态低维护

是否开源是

定价模式 free

项目数据

分类图像生成

开发团队peterwilli

所属国家

官网地址

GitHubhttps://github.com/peterwilli/sd-leap-booster

定价模式free

价格说明开源项目，MIT许可证，完全免费，无付费版本。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型ai,data-science,machine-learning,stable-diffusion,textual-inversion

GitHub 星标★ 112

30天Star增速

HF 下载量

上线时间2023-01-07 00:00:00

最近更新2026-09-19 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数4

使用教程

核心亮点

通过助推器模型预置初始状态，显著减少训练迭代次数，实测可加速数倍。
与 Textual Inversion 兼容，无需改动现有推理流程，即插即用。
代码结构清晰，依赖少，易于二次开发和集成到现有训练管道。

不足之处

仅支持 Stable Diffusion 系列，未覆盖其他扩散模型（如 Imagen）。
文档和示例较少，社区规模小，上手可能需要参考源码。

适用场景

个人开发者快速微调 Stable Diffusion 以生成特定风格或物体。
在有限 GPU 资源下，需要缩短训练时间的创意项目。
研究文本反演加速方法，作为基线或对比实验。

替代项目

Textual Inversion、DreamBooth、LoRA

项目介绍

sd-leap-booster 是模型训练领域的开源项目，由 peterwilli 开发，2023 年首次发布。

它收录于模型训练分类，该分类目前共有 522 个项目，GitHub 星标数为 112。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-19。MIT许可证，完全免费，无付费版本。

它主要面向的使用场景是：个人开发者快速微调StableDiffusion以生成特定风格或物体。同类可对比的替代方案包括 Textual Inversion、DreamBooth、LoRA。

上一篇：kohya_ss-docker

下一篇：TFMQ-DM