Eseguire una pipeline con Diffusers
Generi immagini da un modello preaddestrato
Eseguire una pipeline con Diffusers è una lezione Deep Learning Academy gratuita su CoddyKit. Questa è la lezione 4 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento Deep Learning Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso Deep Learning Academy include 4 lezioni in totale.
Presentiamo Diffusers
Diffusers di Hugging Face è la libreria di riferimento per eseguire modelli di diffusione. Racchiude tutte le parti più complesse dietro un'interfaccia intuitiva. 🤗
Installare la libreria
Per iniziare basta un comando pip install. Per un supporto completo, conviene installare anche transformers e accelerate.
pip install diffusers transformers accelerateL'idea della pipeline
Una pipeline raggruppa U-Net, scheduler ed encoder testuale in un unico oggetto, consentendo di generare con una sola riga.
Caricare un modello pretrained
Si scaricano i pesi direttamente dall'Hub indicandone il nome. Non serve alcun addestramento: qualcun altro ha già svolto il lavoro più impegnativo al posto Suo.
pipe = DiffusionPipeline.from_pretrained(model_id)Spostarla sulla GPU
Invii la pipeline al proprio device per eseguire rapidamente la generazione. Su CPU funziona, ma dovrà attendere a lungo.
pipe = pipe.to("cuda")Generare da un prompt
Richiami la pipeline con un prompt testuale e otterrà un'immagine. Tutta la magia è racchiusa in un'unica semplice riga.
image = pipe("a cozy cabin at sunset").images[0]Salvare l'immagine
Il risultato è un normale oggetto immagine, quindi può salvarlo come qualsiasi altra immagine e aprirlo ovunque. 💾
image.save("cabin.png")Regolare i parametri
Passi direttamente alla chiamata i parametri appresi, come i passaggi di inferenza e la guidance scale, per modellare l'output.
pipe(prompt, num_inference_steps=30, guidance_scale=7.5)Risultati riproducibili
Imposti un seed con un generatore: lo stesso prompt produrrà sempre la stessa immagine, una caratteristica utile per confrontare le impostazioni.
g = torch.Generator("cuda").manual_seed(42)Sostituire lo scheduler
Può sostituire lo scheduler in una pipeline caricata per bilanciare velocità e qualità senza ripetere l'addestramento.
Dalla teoria alle immagini
Con poche righe ha trasformato tutta questa teoria in immagini reali. La libreria gestisce il ciclo mentre Lei si concentra sui prompt. 🎨
Verifica rapida
Che cosa raggruppa una pipeline di Diffusers?
Riepilogo
Carichi una pipeline, la sposti sul proprio device e la richiami con un prompt per generare un'immagine. Regoli passaggi, guidance e seed per controllare il risultato. 🎉
Domande Frequenti
La lezione «Eseguire una pipeline con Diffusers» è gratuita?
Sì — il testo completo di «Eseguire una pipeline con Diffusers» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso Deep Learning Academy, passa a CoddyKit PRO. Il corso Deep Learning Academy include 4 lezioni in totale.
Cosa imparerò in «Eseguire una pipeline con Diffusers»?
Generi immagini da un modello preaddestrato Eserciti Deep Learning Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare Deep Learning Academy?
Non è richiesta alcuna esperienza precedente. Deep Learning Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 4 di 4.
Quanto tempo richiede la lezione «Eseguire una pipeline con Diffusers»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione Deep Learning Academy?
Sì. Ogni lezione Deep Learning Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Aggiunta progressiva e rimozione del rumore
- Predire il rumore con una U-Net
- Scheduler di campionamento e guidance
- Eseguire una pipeline con Diffusers