Spaces:
Running on Zero
Running on Zero
File size: 7,786 Bytes
09462dc | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 |
import torch
from safetensors.torch import save_file
from typing import Dict
import os
class ModuleParser():
def __init__(self, key: str):
self.key = key
self.modules = key.split('.')
self.idx = 0
def match(self, pattern: str) -> bool:
patterns = pattern.split('.')
for j, p in enumerate(patterns):
if self.idx + j < len(self.modules) and self.modules[self.idx+j] == p:
continue
else:
return False
self.idx += len(patterns)
return True
def step(self) -> str:
m = self.modules[self.idx]
self.idx += 1
return m
def eof(self) -> bool:
return self.idx == len(self.modules)
def get_new_mappings(key: str, param: torch.Tensor) -> Dict[str, torch.Tensor]:
modules = []
parser = ModuleParser(key)
sat_prefix = "model.diffusion_model"
assert parser.match(sat_prefix), key
if parser.match("mixins"):
if parser.match("adaln_layer"):
if parser.match("adaLN_modulations"):
modules.append("blocks")
modules.append(parser.step())
modules.append("modulation")
elif parser.match("query_layernorm_list"):
modules.append("blocks")
modules.append(parser.step())
modules.append("self_attn.norm_q")
modules.append(parser.step())
elif parser.match("key_layernorm_list"):
modules.append("blocks")
modules.append(parser.step())
modules.append("self_attn.norm_k")
modules.append(parser.step())
elif parser.match("cross_query_layernorm_list"):
modules.append("blocks")
modules.append(parser.step())
modules.append("cross_attn.norm_q")
modules.append(parser.step())
elif parser.match("cross_key_layernorm_list"):
modules.append("blocks")
modules.append(parser.step())
modules.append("cross_attn.norm_k")
modules.append(parser.step())
elif parser.match("clip_feature_key_layernorm_list"):
modules.append("blocks")
modules.append(parser.step())
modules.append("cross_attn.norm_k_img")
modules.append(parser.step())
elif parser.match("clip_feature_key_value_list"):
modules.append("blocks")
modules.append(parser.step())
modules.append("cross_attn")
prefix = '.'.join(modules)
suffix = parser.step() # weight or bias
key_param, value_param = param.chunk(2, dim=0)
return {
".".join([prefix, "k_img", suffix]): key_param,
".".join([prefix, "v_img", suffix]): value_param,
}
else:
raise ValueError(key)
elif parser.match("final_layer"):
modules.append("head")
if parser.match("adaLN_modulation"):
modules.append("modulation")
elif parser.match("linear"):
modules.append("head")
modules.append(parser.step()) # weight or bias
elif parser.match("patch_embed"):
if parser.match("proj"):
modules.append("patch_embedding")
elif parser.match("proj_pose"):
modules.append("patch_embedding_pose")
elif parser.match("proj_mask"):
modules.append("patch_embedding_mask")
else:
raise ValueError(key)
modules.append(parser.step())
else:
raise ValueError(key)
elif parser.match("transformer.layers"):
modules.append("blocks")
modules.append(parser.step())
if parser.match("attention"):
modules.append("self_attn")
if parser.match("dense"):
modules.append("o")
modules.append(parser.step())
elif parser.match("query_key_value"):
prefix = '.'.join(modules)
suffix = parser.step()
query_param, key_param, value_param = param.chunk(3, dim=0)
return {
".".join([prefix, "q", suffix]): query_param,
".".join([prefix, "k", suffix]): key_param,
".".join([prefix, "v", suffix]): value_param,
}
else:
raise ValueError(key)
elif parser.match("cross_attention"):
modules.append("cross_attn")
if parser.match("dense"):
modules.append("o")
modules.append(parser.step())
elif parser.match("query"):
modules.append("q")
modules.append(parser.step())
elif parser.match("key_value"):
prefix = '.'.join(modules)
suffix = parser.step()
key_param, value_param = param.chunk(2, dim=0)
return {
".".join([prefix, "k", suffix]): key_param,
".".join([prefix, "v", suffix]): value_param,
}
else:
raise ValueError(key)
elif parser.match("post_cross_attention_layernorm"):
modules.append("norm3")
modules.append(parser.step()) # weight or bias
elif parser.match("mlp"):
modules.append("ffn")
if parser.match("dense_h_to_4h"):
modules.append("0")
elif parser.match("dense_4h_to_h"):
modules.append("2")
else:
raise ValueError(key)
modules.append(parser.step()) # weight or bias
else:
raise ValueError(key)
elif parser.match("time_embed"):
modules.append("time_embedding")
modules.append(parser.step())
modules.append(parser.step())
elif parser.match("adaln_projection"):
modules.append("time_projection")
modules.append(parser.step())
modules.append(parser.step())
elif parser.match("text_embedding"):
modules.append("text_embedding")
modules.append(parser.step())
modules.append(parser.step())
elif parser.match("clip_proj"):
assert parser.match("proj"), key
modules.append("img_emb.proj")
modules.append(parser.step())
modules.append(parser.step())
else:
raise ValueError(key)
assert parser.eof(), key
return {'.'.join(modules): param}
def get_new_state_dict(old: Dict[str, torch.Tensor]):
new = dict()
for key, value in old.items():
map = get_new_mappings(key, value)
for new_key, new_value in map.items():
if new_key in new:
print(f"Warning: duplicate new key {new_key} converted from {key}!")
new[new_key] = new_value
return new
def main(args):
pt_file_path = os.path.join(args.scail_dir, args.sat_model_path)
print(f"Loading from {pt_file_path}...")
checkpoint = torch.load(pt_file_path)
state_dict = checkpoint["module"]
new_state_dict = get_new_state_dict(state_dict)
print(f"Saving to {args.save_path}...")
save_file(new_state_dict, args.save_path)
print("Done.")
import argparse
if __name__ == "__main__":
parser = argparse.ArgumentParser()
parser.add_argument("--scail-dir", default="SCAIL-2/")
parser.add_argument("--sat-model-path", default="model/1/fsdp2_rank_0000_checkpoint.pt")
parser.add_argument("--save-path", default="SCAIL-2.safetensors")
args = parser.parse_args()
main(args) |