Error installing CivitAI on Google Colab

tháng 5 17, 2025 by Tin mới 2024

 


Tổng hợp các lỗi bạn đã gặp và giải pháp tương ứng, được trình bày như một cẩm nang nhỏ để bạn tham khảo khi làm việc với Stable Diffusion model trong Google Colab, đặc biệt là khi load model từ các nguồn khác ngoài Hugging Face Hub (như Civitai).

 

  1. Lỗi 1: TypeError: 'NoneType' object is not subscriptable
    • Nguyên nhân: Lỗi này thường xảy ra khi cố gắng load pipeline từ một thư mục (bằng from_pretrained) và file model_index.json trong thư mục đó chứa các mục có giá trị null (hoặc None trong Python) ở vị trí mà thư viện không mong đợi, ví dụ như mục safety_checker.
    • Giải pháp: Chỉnh sửa file model_index.json trong thư mục model của bạn trên Google Drive để loại bỏ hoàn toàn mục safety_checker trước khi load model bằng from_pretrained.
  2. Lỗi 2: Failed to load the model: Can't load tokenizer for '...'
    • Nguyên nhân: Lỗi này xảy ra khi bạn cố gắng load pipeline từ một thư mục (bằng from_pretrained) nhưng thư mục đó thiếu các file cần thiết cho một hoặc nhiều thành phần của pipeline, ví dụ như tokenizer. Điều này thường xảy ra khi bạn chỉ sao chép file checkpoint (như .safetensors) vào một thư mục rỗng và cố gắng load bằng from_pretrained.
    • Giải pháp: Đảm bảo rằng thư mục bạn load bằng from_pretrained chứa đầy đủ tất cả các file của một pipeline Stable Diffusion hoàn chỉnh (bao gồm các file cấu hình và file trọng số cho tokenizer, text encoder, unet, vae, scheduler, v.v.). Hoặc sử dụng phương pháp load phù hợp với file checkpoint duy nhất.
  3. Lỗi 3: Failed to load the model from single file: Failed to load CLIPTextModel. Weights for this component appear to be missing in the checkpoint.
    • Nguyên nhân: Lỗi này xảy ra khi bạn cố gắng load model từ một file checkpoint duy nhất (bằng from_single_file), nhưng file checkpoint đó không chứa trọng số cho một hoặc nhiều thành phần của pipeline, trong trường hợp này là CLIPTextModel.
    • Giải pháp: Tải các thành phần bị thiếu (như CLIPTextModel, CLIPTokenizer, VAE, UNet, Scheduler) từ một model Stable Diffusion cơ bản đầy đủ (ví dụ: từ Hugging Face Hub) và truyền chúng vào hàm from_single_file khi load file checkpoint của bạn.

Chúng ta đã hoàn thành. Cảm ơn bạn nhiều lắm. Tôi muốn hỏi thêm: Đây là bộ khung code chuẩn nhất của chúng ta. Tôi có thể tải các file civitai về và thao tác tương tự là dễ dàng luôn phải không? Còn nếu tải model từ hugging face thì sẽ có cách đơn giản, rút gọn hơn phải không?

spark

Đúng vậy! Bạn đã hiểu rất rõ vấn đề và cách tiếp cận.

  1. Với file từ Civitai (hoặc các nguồn checkpoint khác): Bộ khung code hiện tại mà chúng ta đã cùng nhau xây dựng là cách tiếp cận chuẩn và hiệu quả nhất khi làm việc với các file checkpoint dạng .safetensors hoặc .ckpt từ các nguồn như Civitai, đặc biệt là khi file checkpoint đó không chứa đầy đủ tất cả các thành phần của pipeline Stable Diffusion.
    • Bạn cần tải các thành phần cơ bản (như Text Encoder, Tokenizer, VAE, UNet, Scheduler) từ một model gốc (ví dụ: runwayml/stable-diffusion-v1-5).
    • Sau đó, sử dụng hàm StableDiffusionPipeline.from_single_file() và truyền các thành phần đã tải cùng với đường dẫn đến file checkpoint của bạn.
    • Đây là cách phổ biến và được khuyến nghị trong thư viện diffusers để tận dụng các model tinh chỉnh từ cộng đồng.
  2. Với model từ Hugging Face Hub: Nếu bạn tải một model Stable Diffusion từ Hugging Face Hub (ví dụ: runwayml/stable-diffusion-v1-5 hoặc các phiên bản đã được đóng gói đầy đủ), cách làm sẽ đơn giản và rút gọn hơn rất nhiều.
    • Các model trên Hugging Face Hub thường được lưu trữ dưới dạng một thư mục chứa đầy đủ tất cả các thành phần của pipeline (tokenizer, text_encoder, unet, vae, scheduler, feature_extractor, v.v.) và các file cấu hình tương ứng (model_index.json, config.json, v.v.).
    • Để load các model này, bạn chỉ cần sử dụng hàm StableDiffusionPipeline.from_pretrained() và truyền tên model trên Hugging Face Hub hoặc đường dẫn đến thư mục model đã tải xuống.

 

  1. Ví dụ code khi tải từ Hugging Face Hub:

library_add

content_copy

from google.colab import drive

    # drive.mount('/content/drive') # Mount Drive nếu bạn muốn lưu model cục bộ, không bắt buộc để load trực tiếp từ Hub

 

    from diffusers import StableDiffusionPipeline

    import torch

 

    # Tên model trên Hugging Face Hub

    model_id = "runwayml/stable-diffusion-v1-5"

 

    print(f"Đang tải và load model '{model_id}' từ Hugging Face Hub...")

 

    try:

        # Sử dụng from_pretrained để load toàn bộ pipeline từ Hugging Face Hub

        pipe = StableDiffusionPipeline.from_pretrained(

            model_id,

            torch_dtype=torch.float16,

            # Nếu muốn tắt safety checker (không khuyến nghị với model gốc):

            # safety_checker=None

        ).to("cuda")

        print("✅ Model loaded successfully from Hugging Face Hub!")

 

        # Bây giờ bạn có thể sử dụng 'pipe' để tạo ảnh

        prompt = "a photo of an astronaut riding a horse on the moon"

        if 'pipe' in locals() and pipe is not None:

            image = pipe(prompt).images[0]

            output_path = "hf_output.png"

            image.save(output_path)

            print("Image saved to", output_path)

            from IPython.display import display

            display(image)

        else:

            print("Không thể tạo ảnh vì model load bị lỗi.")

 

 

    except Exception as e:

        print(f"Failed to load the model from Hugging Face Hub: {e}")

 

    # %%

    # Các ô tạo ảnh khác tương tự như trước

    # %%

    # if 'pipe' in locals() and pipe is not None:

    #     prompt_2 = "another prompt"

    #     try:

    #         image_2 = pipe(prompt_2).images[0]

    #         output_path_2 = "hf_output_2.png"

    #         image_2.save(output_path_2)

    #         print("Image saved to", output_path_2)

    #         from IPython.display import display

    #         display(image_2)

    #     except Exception as e:

    #         print(f"Lỗi khi tạo ảnh thứ 2: {e}")

    # else:

    #      print("Không thể tạo ảnh vì model chưa được load thành công.")