Diffusers documentation
조건부 이미지 생성
시작하기
Tutorials
Diffusers 사용하기
불러오기 & 허브
개요파이프라인, 모델, 스케줄러 불러오기다른 스케줄러들을 가져오고 비교하기커뮤니티 파이프라인 불러오기세이프텐서 불러오기다른 형식의 Stable Diffusion 불러오기Hub에 파일 push하기
추론을 위한 파이프라인
개요Unconditional 이미지 생성Text-to-image 생성Text-guided image-to-imageText-guided 이미지 인페인팅Text-guided depth-to-imageTextual inversion여러 GPU를 사용한 분산 추론Distilled Stable Diffusion 추론Deterministic 생성으로 이미지 퀄리티 높이기이미지 밝기 조정하기재현 가능한 파이프라인 생성하기커뮤니티 파이프라인들커뮤티니 파이프라인에 기여하는 방법JAX/Flax에서의 Stable DiffusionWeighting Prompts
Training
최적화/특수 하드웨어
개념 가이드
API
Pipelines
Stable Diffusion
You are viewing v0.22.3 version. A newer version v0.38.0 is available.
조건부 이미지 생성
조건부 이미지 생성을 사용하면 텍스트 프롬프트에서 이미지를 생성할 수 있습니다. 텍스트는 임베딩으로 변환되며, 임베딩은 노이즈에서 이미지를 생성하도록 모델을 조건화하는 데 사용됩니다.
DiffusionPipeline은 추론을 위해 사전 훈련된 diffusion 시스템을 사용하는 가장 쉬운 방법입니다.
먼저 DiffusionPipeline의 인스턴스를 생성하고 다운로드할 파이프라인 체크포인트를 지정합니다.
이 가이드에서는 잠재 Diffusion과 함께 텍스트-이미지 생성에 DiffusionPipeline을 사용합니다:
>>> from diffusers import DiffusionPipeline
>>> generator = DiffusionPipeline.from_pretrained("CompVis/ldm-text2im-large-256")DiffusionPipeline은 모든 모델링, 토큰화, 스케줄링 구성 요소를 다운로드하고 캐시합니다.
이 모델은 약 14억 개의 파라미터로 구성되어 있기 때문에 GPU에서 실행할 것을 강력히 권장합니다.
PyTorch에서와 마찬가지로 생성기 객체를 GPU로 이동할 수 있습니다:
>>> generator.to("cuda")이제 텍스트 프롬프트에서 생성기를 사용할 수 있습니다:
>>> image = generator("An image of a squirrel in Picasso style").images[0]출력값은 기본적으로 PIL.Image 객체로 래핑됩니다.
호출하여 이미지를 저장할 수 있습니다:
>>> image.save("image_of_squirrel_painting.png")아래 스페이스를 사용해보고 안내 배율 매개변수를 자유롭게 조정하여 이미지 품질에 어떤 영향을 미치는지 확인해 보세요!