无条件图像生成
无条件图像生成会生成看起来像是从模型训练数据中随机采样的图像，因为去噪过程没有受到任何其他上下文（如文本或图像）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 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想生成其他东西的图像吗？ 查看训练 指南，了解如何训练模型以生成你自己的图像。
输出图像是一个 PIL.Image 对象，可以保存
image.save("generated_image.png")你还可以尝试使用 num_inference_steps 参数，它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，但生成图像所需的时间更长。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尝试使用下面的空间生成蝴蝶图像！
< > 更新 在 GitHub 上