在 Hugging Face 上使用 🧨 diffusers

Diffusers 是最先进的预训练扩散模型的首选库，用于生成图像、音频，甚至分子的 3D 结构。无论您是在寻找简单的推理解决方案，还是想训练自己的扩散模型，Diffusers 都是一个模块化工具箱，两者都支持。该库的设计侧重于可用性而非性能，简单而非容易，以及可定制性而非抽象性。

探索 Hub 中的 Diffusers

Hub 上有超过 10,000 个 diffusers 兼容的 pipelines，您可以通过在模型页面左侧进行筛选来找到它们。扩散系统通常由多个组件组成，例如文本编码器、UNet、VAE 和调度器。即使它们不是独立的模型，pipeline 抽象也使得可以轻松地将它们用于推理或训练。

您可以找到用于许多不同任务的扩散 pipelines

• 从自然语言文本提示生成图像（text-to-image）。
• 使用自然语言文本提示转换图像（image-to-image）。
• 从自然语言描述生成视频（text-to-video）。

如果您想在不下载模型的情况下进行测试，可以直接在浏览器中试用这些模型，这要归功于浏览器内小部件！

使用现有的 pipelines

所有 diffusers pipelines 都只需一行代码即可使用！为了运行生成，我们建议始终从 DiffusionPipeline 开始

from diffusers import DiffusionPipeline

pipeline = DiffusionPipeline.from_pretrained("stabilityai/stable-diffusion-xl-base-1.0")

如果您想加载特定的 pipeline 组件（例如 UNet），您可以这样做：

from diffusers import UNet2DConditionModel

unet = UNet2DConditionModel.from_pretrained("stabilityai/stable-diffusion-xl-base-1.0", subfolder="unet")

分享您的 pipelines 和模型

所有 pipeline 类、模型类 和 调度器类 都与 Hub 完全兼容。更具体地说，它们可以使用 from_pretrained() 方法轻松地从 Hub 加载，并且可以使用 push_to_hub() 方法与他人共享。

有关更多详细信息，请查看文档。

其他资源

• Diffusers 库。
• Diffusers 文档。