Diffusers 文档
实用工具
并获得增强的文档体验
开始使用
实用工具
用于 🤗 Diffusers 的实用工具和辅助函数。
numpy_to_pil
将 numpy 图像或一批图像转换为 PIL 图像。
pt_to_pil
将 torch 图像转换为 PIL 图像。
load_image
diffusers.utils.load_image
< source >( image: typing.Union[str, PIL.Image.Image] convert_method: typing.Optional[typing.Callable[[PIL.Image.Image], PIL.Image.Image]] = None ) → PIL.Image.Image
将图像加载到 PIL 图像。
export_to_gif
diffusers.utils.export_to_gif
< source >( image: typing.List[PIL.Image.Image] output_gif_path: str = None fps: int = 10 )
export_to_video
diffusers.utils.export_to_video
< source >( video_frames: typing.Union[typing.List[numpy.ndarray], typing.List[PIL.Image.Image]] output_video_path: str = None fps: int = 10 )
make_image_grid
diffusers.utils.make_image_grid
< source >( images: typing.List[PIL.Image.Image] rows: int cols: int resize: int = None )
准备单个图像网格。 用于可视化目的。
randn_tensor
diffusers.utils.torch_utils.randn_tensor
< 源代码 >( shape: typing.Union[typing.Tuple, typing.List] generator: typing.Union[typing.List[ForwardRef('torch.Generator')], ForwardRef('torch.Generator'), NoneType] = None device: typing.Optional[ForwardRef('torch.device')] = None dtype: typing.Optional[ForwardRef('torch.dtype')] = None layout: typing.Optional[ForwardRef('torch.layout')] = None )
用于在所需的 device
上使用所需的 dtype
创建随机张量的辅助函数。当传递生成器列表时,您可以单独为每个批次大小设定种子。如果传递 CPU 生成器,则张量始终在 CPU 上创建。