Diffusers 文件
無條件影像生成
加入 Hugging Face 社群
並獲得增強的文件體驗
開始使用
無條件影像生成
無條件影像生成生成的是看起來像模型訓練資料中隨機樣本的影像，因為去噪過程不受文字或影像等任何額外上下文的引導。
要開始使用，請使用 DiffusionPipeline 載入 anton-l/ddpm-butterflies-128 檢查點以生成蝴蝶影像。DiffusionPipeline 會下載並快取生成影像所需的所有模型元件。
from diffusers import DiffusionPipeline
generator = DiffusionPipeline.from_pretrained("anton-l/ddpm-butterflies-128").to("cuda")
image = generator().images[0]
image想生成其他事物的影像？請檢視訓練指南，瞭解如何訓練模型以生成自己的影像。
輸出影像是可儲存的 PIL.Image 物件。
image.save("generated_image.png")您還可以嘗試使用 num_inference_steps 引數，該引數控制去噪步驟的數量。更多的去噪步驟通常會生成更高質量的影像，但生成時間會更長。您可以隨意調整此引數，看看它如何影響影像質量。
image = generator(num_inference_steps=100).images[0]
image嘗試下面的 Space 來生成蝴蝶影像！
< > 在 GitHub 上更新