Diffusers 文档
无条件图像生成
加入 Hugging Face 社区
并获得增强的文档体验
开始使用
无条件图像生成
无条件图像生成生成的是看起来像模型训练数据中随机样本的图像,因为去噪过程不受文本或图像等任何额外上下文的引导。
要开始使用,请使用 DiffusionPipeline 加载 anton-l/ddpm-butterflies-128 检查点以生成蝴蝶图像。DiffusionPipeline 会下载并缓存生成图像所需的所有模型组件。
from diffusers import DiffusionPipeline
generator = DiffusionPipeline.from_pretrained("anton-l/ddpm-butterflies-128").to("cuda")
image = generator().images[0]
image
想生成其他事物的图像?请查看训练指南,了解如何训练模型以生成自己的图像。
输出图像是可保存的 PIL.Image
对象。
image.save("generated_image.png")
您还可以尝试使用 num_inference_steps
参数,该参数控制去噪步骤的数量。更多的去噪步骤通常会生成更高质量的图像,但生成时间会更长。您可以随意调整此参数,看看它如何影响图像质量。
image = generator(num_inference_steps=100).images[0]
image
尝试下面的 Space 来生成蝴蝶图像!
< > 在 GitHub 上更新