Eine Pipeline mit Diffusers ausführen
Erzeugen Sie Bilder aus einem vortrainierten Modell.
Eine Pipeline mit Diffusers ausführen ist eine kostenlose Deep Learning Academy-Lektion auf CoddyKit. Dies ist Lektion 4 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des Deep Learning Academy-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der Deep Learning Academy-Kurs umfasst insgesamt 4 Lektionen.
Lernen Sie Diffusers kennen
Diffusers von Hugging Face ist die wichtigste Bibliothek zum Ausführen von Diffusionsmodellen. Sie verbirgt alle schwierigen Teile hinter einer benutzerfreundlichen Schnittstelle. 🤗
Installation
Der Einstieg erfordert nur ein pip install. Für vollständige Unterstützung benötigen Sie außerdem transformers und accelerate.
pip install diffusers transformers accelerateDas Pipeline-Konzept
Eine Pipeline bündelt U-Net, Scheduler und Text-Encoder in einem Objekt, sodass Sie zum Erzeugen nur eine einzige Zeile aufrufen.
Ein vortrainiertes Modell laden
Sie laden die Gewichte anhand ihres Namens direkt vom Hub herunter. Kein Training erforderlich: Jemand hat die aufwendige Arbeit bereits für Sie erledigt.
pipe = DiffusionPipeline.from_pretrained(model_id)Auf die GPU verschieben
Übertragen Sie die Pipeline auf Ihr Gerät, damit die Erzeugung schnell läuft. Auf einer CPU funktioniert sie ebenfalls, aber Sie müssen eine Weile warten.
pipe = pipe.to("cuda")Aus einem Prompt erzeugen
Rufen Sie die Pipeline mit einem Text-Prompt auf, und sie gibt ein Bild zurück. Die gesamte Magie steckt in dieser einen benutzerfreundlichen Zeile.
image = pipe("a cozy cabin at sunset").images[0]Ihr Bild speichern
Das Ergebnis ist ein Standard-Bildobjekt, sodass Sie es wie jedes andere Bild speichern und überall öffnen können. 💾
image.save("cabin.png")Die Stellschrauben einstellen
Übergeben Sie die gelernten Parameter, etwa Inferenzschritte und Guidance-Skala, direkt beim Aufruf, um die Ausgabe zu formen.
pipe(prompt, num_inference_steps=30, guidance_scale=7.5)Reproduzierbare Ergebnisse
Wenn Sie mit einem Generator einen Seed festlegen, liefert derselbe Prompt jedes Mal dasselbe Bild. Das ist ideal, um Einstellungen zu vergleichen.
g = torch.Generator("cuda").manual_seed(42)Den Scheduler austauschen
Sie können den Scheduler einer geladenen Pipeline austauschen und so Geschwindigkeit gegen Qualität abwägen, ohne etwas neu zu trainieren.
Von der Theorie zu Bildern
Mit wenigen Zeilen haben Sie all diese Theorie in echte Bilder verwandelt. Die Bibliothek übernimmt die Schleife, während Sie sich auf Prompts konzentrieren. 🎨
Schnelltest
Welche Komponenten bündelt eine Diffusers-Pipeline?
Zusammenfassung
Laden Sie eine Pipeline, verschieben Sie sie auf Ihr Gerät und rufen Sie sie mit einem Prompt auf, um ein Bild zu erzeugen. Stimmen Sie Schritte, Guidance und Seeds ab, um das Ergebnis zu steuern. 🎉
Lerne Python mit einem KI-Tutor — kostenlos
Schreibe und führe echten Code in deinem Browser aus, bekomme sofortige Hilfe von einem 24/7 KI-Tutor und setze dein Lernen im Web oder in der App fort.
- Kurse
- 30
- Lektionen
- 120
Häufig gestellte Fragen
Ist die Lektion „Eine Pipeline mit Diffusers ausführen“ kostenlos?
Ja — der vollständige Text von „Eine Pipeline mit Diffusers ausführen“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des Deep Learning Academy-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der Deep Learning Academy-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „Eine Pipeline mit Diffusers ausführen“?
Erzeugen Sie Bilder aus einem vortrainierten Modell. Du übst Deep Learning Academy mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.
Brauche ich Erfahrung, um Deep Learning Academy zu starten?
Keine Vorkenntnisse erforderlich. Deep Learning Academy auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 4 von 4.
Wie lange dauert die Lektion „Eine Pipeline mit Diffusers ausführen“?
Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.
Kann ich in dieser Deep Learning Academy-Lektion Code schreiben und ausführen?
Ja. Jede Deep Learning Academy-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.
Alle Lektionen in diesem Kurs
- Vorwärtsrauschen und rückwärts entrauschen
- Rauschen mit einem U-Net vorhersagen
- Sampling-Pläne und Guidance
- Eine Pipeline mit Diffusers ausführen