Diffusers 文档

无条件图像生成

Hugging Face's logo
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