Panchovix
commented
1 year ago Can confirm I get this issue as well on latest dev update on the auto1111 webui
│ ADetailer │
│ ┏━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━┓ │
│ ┃ ┃ Value ┃ │
│ ┡━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━┩ │
│ │ version │ 23.7.11 │ │
│ │ ad_model │ face_yolov8n_v2.pt │ │
│ │ ad_prompt │ detailed face, │ │
│ │ ad_negative_prompt │ │ │
│ │ ad_controlnet_model │ None │ │
│ │ is_api │ False │ │
│ └─────────────────────┴────────────────────┘ │
│ ╭─────────────────────────────── Traceback (most recent call last) ────────────────────────────────╮ │
│ │ G:\Stable difussion\stable-diffusion-webui\extensions\adetailer\adetailer\traceback.py:139 in │ │
│ │ wrapper │ │
│ │ │ │
│ │ 136 │ │ width = width - 4 if width > 4 else None │ │
│ │ 137 │ │ console = Console(file=string, width=width) │ │
│ │ 138 │ │ try: │ │
│ │ ❱ 139 │ │ │ return func(*args, **kwargs) │ │
│ │ 140 │ │ except Exception as e: │ │
│ │ 141 │ │ │ tables = [ │ │
│ │ 142 │ │ │ │ get_table(title, data) │ │
│ │ │ │
│ │ G:\Stable difussion\stable-diffusion-webui\extensions\adetailer\scripts\!adetailer.py:630 in │ │
│ │ postprocess_image │ │
│ │ │ │
│ │ 627 │ │ │ for n, args in enumerate(arg_list): │ │
│ │ 628 │ │ │ │ if args.ad_model == "None": │ │
│ │ 629 │ │ │ │ │ continue │ │
│ │ ❱ 630 │ │ │ │ is_processed |= self._postprocess_image(p, pp, args, n=n) │ │
│ │ 631 │ │ │ │
│ │ 632 │ │ if is_processed: │ │
│ │ 633 │ │ │ self.save_image( │ │
│ │ │ │
│ │ G:\Stable difussion\stable-diffusion-webui\extensions\adetailer\scripts\!adetailer.py:553 in │ │
│ │ _postprocess_image │ │
│ │ │ │
│ │ 550 │ │ │ kwargs["device"] = self.ultralytics_device │ │
│ │ 551 │ │ │ │
│ │ 552 │ │ with change_torch_load(): │ │
│ │ ❱ 553 │ │ │ pred = predictor(ad_model, pp.image, args.ad_confidence, **kwargs) │ │
│ │ 554 │ │ │ │
│ │ 555 │ │ masks = self.pred_preprocessing(pred, args) │ │
│ │ 556 │ │
│ │ │ │
│ │ G:\Stable difussion\stable-diffusion-webui\extensions\adetailer\adetailer\ultralytics.py:21 in │ │
│ │ ultralytics_predict │ │
│ │ │ │
│ │ 18 │ device: str = "", │ │
│ │ 19 ) -> PredictOutput: │ │
│ │ 20 │ model = YOLO(model_path) │ │
│ │ ❱ 21 │ pred = model(image, conf=confidence, device=device) │ │
│ │ 22 │ │ │
│ │ 23 │ bboxes = pred[0].boxes.xyxy.cpu().numpy() │ │
│ │ 24 │ if bboxes.size == 0: │ │
│ │ │ │
│ │ G:\Stable difussion\stable-diffusion-webui\venv\lib\site-packages\ultralytics\engine\model.py:98 │ │
│ │ in __call__ │ │
│ │ │ │
│ │ 95 │ │ │
│ │ 96 │ def __call__(self, source=None, stream=False, **kwargs): │ │
│ │ 97 │ │ """Calls the 'predict' function with given arguments to perform object detection │ │
│ │ ❱ 98 │ │ return self.predict(source, stream, **kwargs) │ │
│ │ 99 │ │ │
│ │ 100 │ @staticmethod │ │
│ │ 101 │ def is_hub_model(model): │ │
│ │ │ │
│ │ G:\Stable difussion\stable-diffusion-webui\venv\lib\site-packages\torch\utils\_contextlib.py:115 │ │
│ │ in decorate_context │ │
│ │ │ │
│ │ 112 │ @functools.wraps(func) │ │
│ │ 113 │ def decorate_context(*args, **kwargs): │ │
│ │ 114 │ │ with ctx_factory(): │ │
│ │ ❱ 115 │ │ │ return func(*args, **kwargs) │ │
│ │ 116 │ │ │
│ │ 117 │ return decorate_context │ │
│ │ 118 │ │
│ │ │ │
│ │ G:\Stable │ │
│ │ difussion\stable-diffusion-webui\venv\lib\site-packages\ultralytics\engine\model.py:238 in │ │
│ │ predict │ │
│ │ │ │
│ │ 235 │ │ │ self.task = overrides.get('task') or self.task │ │
│ │ 236 │ │ │ predictor = predictor or self.smart_load('predictor') │ │
│ │ 237 │ │ │ self.predictor = predictor(overrides=overrides, _callbacks=self.callbacks) │ │
│ │ ❱ 238 │ │ │ self.predictor.setup_model(model=self.model, verbose=is_cli) │ │
│ │ 239 │ │ else: # only update args if predictor is already setup │ │
│ │ 240 │ │ │ self.predictor.args = get_cfg(self.predictor.args, overrides) │ │
│ │ 241 │ │ │ if 'project' in overrides or 'name' in overrides: │ │
│ │ │ │
│ │ G:\Stable │ │
│ │ difussion\stable-diffusion-webui\venv\lib\site-packages\ultralytics\engine\predictor.py:305 in │ │
│ │ setup_model │ │
│ │ │ │
│ │ 302 │ │ │
│ │ 303 │ def setup_model(self, model, verbose=True): │ │
│ │ 304 │ │ """Initialize YOLO model with given parameters and set it to evaluation mode.""" │ │
│ │ ❱ 305 │ │ self.model = AutoBackend(model or self.args.model, │ │
│ │ 306 │ │ │ │ │ │ │ │ device=select_device(self.args.device, verbose=verbose) │ │
│ │ 307 │ │ │ │ │ │ │ │ dnn=self.args.dnn, │ │
│ │ 308 │ │ │ │ │ │ │ │ data=self.args.data, │ │
│ │ │ │
│ │ G:\Stable │ │
│ │ difussion\stable-diffusion-webui\venv\lib\site-packages\ultralytics\nn\autobackend.py:103 in │ │
│ │ __init__ │ │
│ │ │ │
│ │ 100 │ │ # Load model │ │
│ │ 101 │ │ if nn_module: # in-memory PyTorch model │ │
│ │ 102 │ │ │ model = weights.to(device) │ │
│ │ ❱ 103 │ │ │ model = model.fuse(verbose=verbose) if fuse else model │ │
│ │ 104 │ │ │ if hasattr(model, 'kpt_shape'): │ │
│ │ 105 │ │ │ │ kpt_shape = model.kpt_shape # pose-only │ │
│ │ 106 │ │ │ stride = max(int(model.stride.max()), 32) # model stride │ │
│ │ │ │
│ │ G:\Stable difussion\stable-diffusion-webui\venv\lib\site-packages\ultralytics\nn\tasks.py:127 in │ │
│ │ fuse │ │
│ │ │ │
│ │ 124 │ │ Returns: │ │
│ │ 125 │ │ │ (nn.Module): The fused model is returned. │ │
│ │ 126 │ │ """ │ │
│ │ ❱ 127 │ │ if not self.is_fused(): │ │
│ │ 128 │ │ │ for m in self.model.modules(): │ │
│ │ 129 │ │ │ │ if isinstance(m, (Conv, Conv2, DWConv)) and hasattr(m, 'bn'): │ │
│ │ 130 │ │ │ │ │ if isinstance(m, Conv2): │ │
│ │ │ │
│ │ G:\Stable difussion\stable-diffusion-webui\venv\lib\site-packages\ultralytics\nn\tasks.py:157 in │ │
│ │ is_fused │ │
│ │ │ │
│ │ 154 │ │ │ (bool): True if the number of BatchNorm layers in the model is less than the │ │
│ │ 155 │ │ """ │ │
│ │ 156 │ │ bn = tuple(v for k, v in nn.__dict__.items() if 'Norm' in k) # normalization la │ │
│ │ ❱ 157 │ │ return sum(isinstance(v, bn) for v in self.modules()) < thresh # True if < 'thr │ │
│ │ 158 │ │ │
│ │ 159 │ def info(self, detailed=False, verbose=True, imgsz=640): │ │
│ │ 160 │ │ """ │ │
│ │ │ │
│ │ G:\Stable difussion\stable-diffusion-webui\venv\lib\site-packages\ultralytics\nn\tasks.py:157 in │ │
│ │ <genexpr> │ │
│ │ │ │
│ │ 154 │ │ │ (bool): True if the number of BatchNorm layers in the model is less than the │ │
│ │ 155 │ │ """ │ │
│ │ 156 │ │ bn = tuple(v for k, v in nn.__dict__.items() if 'Norm' in k) # normalization la │ │
│ │ ❱ 157 │ │ return sum(isinstance(v, bn) for v in self.modules()) < thresh # True if < 'thr │ │
│ │ 158 │ │ │
│ │ 159 │ def info(self, detailed=False, verbose=True, imgsz=640): │ │
│ │ 160 │ │ """ │ │
│ ╰──────────────────────────────────────────────────────────────────────────────────────────────────╯ │
│ TypeError: isinstance() arg 2 must be a type, a tuple of types, or a union │
Kallamamran
Bing-su
noonz66
Diamond-Shark-art
catboxanon
Describe the bug
이런 에러가 뜨면서 디테일러가 작동하지 않습니다.
어떻게 하면 정상 작동하게 할 수 있는지 궁금합니다!
Screenshots
No response
Console logs, from start to end.
List of installed extensions
adetailer sd-webui-lora-block-weight