使用 HF Jobs 搭建您自己的 GPU 驱动图像生成器
您是否曾想直接从终端使用 Stable Diffusion 等强大的 AI 模型生成图像，但没有专用的 GPU？您是否更喜欢命令行而不是 Web 界面来进行创意工作？如果是这样，这篇简短指南就是为您准备的。
今天，我们将逐步完成创建一个个人命令行工具的过程，该工具能够通过 Hugging Face Jobs 的远程基础设施，只需一个命令即可生成 AI 图像。阅读完本文后，您将能够在终端中输入一行命令，几分钟后，一张精美的 AI 生成图像将直接保存到您的 Hugging Face 帐户中。
在 Hub 上创建您的图像画廊
在生成任何内容之前，我们需要一个地方来保存我们的杰作。最简单的方法是创建一个公共数据集仓库，它将充当我们的个人画廊。
- 前往
New Dataset页面：https://huggingface.co/new-dataset - 为您的画廊选择一个名称，例如
images。 - 确保将其设置为
Public，以便您可以轻松查看和分享您的作品。
就是这样！现在您有了图像的目的地，例如 HF_USERNAME/images。
只需一个脚本
现在，让我们来谈谈我们操作的核心：Python 脚本。多亏了 uv（hf jobs 在底层使用的工具）支持的强大功能，真正的魔法就发生在这里。
忘记管理单独的 requirements.txt 文件或为简单任务构建复杂的 Docker 镜像。uv 允许我们将脚本的依赖项直接嵌入到文件本身中。
查看我们脚本的最顶部，托管在此处
# /// script
# requires-python = ">=3.11"
# dependencies = [
# "huggingface-hub[hf_transfer]",
# "pillow",
# "torch",
# "diffusers",
# "accelerate",
# "transformers",
# "python-slugify",
# ]
# ///
这个特殊的块，用 /// 括起来，是一个内联依赖项规范。当 hf jobs uv run 执行脚本时，它首先读取这个头部，立即创建一个临时环境，并安装列出的精确库。
代码及其要求共存。这使得共享和执行脚本变得异常简单和可靠。
神奇的命令
现在是有趣的部分。打开您的终端，准备运行神奇的命令
hf jobs uv run --flavor a10g-large \
https://huggingface.co/datasets/angt/scripts/resolve/main/generate-image.py \
--repo "$HF_USERNAME/images" \
--prompt "'A dramatic photo of a majestic cat sitting on a throne, cinematic lighting'" \
--hf-token $HF_TOKEN
让我们分解一下命令，以便我们准确了解每个部分的作用
hf jobs uv run：告诉使用uv运行远程脚本的主要命令。--flavor a10g-large：这是我们请求硬件的地方。我们要求使用强大的 A10G GPU 以快速完成任务。https://...：指向我们一体式 Python 脚本的直接 URL。您甚至不需要下载它！--repo "$HF_USERNAME/images"：数据集的 ID。--prompt "'...''"：您的创意提示。注意：您需要将提示用包含单引号的双引号括起来，以避免 shell 解释问题。--hf-token $HF_TOKEN：您的 Hugging Face API 令牌。
瞧！几分钟后，任务完成，您的仓库中将出现一张新图像。这是我从提示中得到的雄伟猫咪
尽在您的掌控
这里的真正魔法不仅仅在于这个脚本。它在于意识到这种工作流程可以轻松适应任何任务。想想看：需要处理数据集？转录音频文件？生成文本？蓝图都是一样的：编写一个嵌入了依赖项的简单 Python 脚本，然后用一个命令将其发布到云端。
现在您拥有了创建自己的一套无服务器 AI 工具的能力，可以满足您的任何想象。可能性是无限的。
那么，您还在等什么呢？开始黑客行动吧！
