Diffusers ile Bir Pipeline Çalıştırma
Önceden eğitilmiş bir modelden görüntüler üretin.
Diffusers ile Bir Pipeline Çalıştırma, CoddyKit'te ücretsiz bir Deep Learning Academy dersidir. Bu, 4 dersinin 4. dersidir. Aşağıdan dersin tamamını ücretsiz okuyabilir, sonra tarayıcıda yerleşik kod editörü ve 7/24 yapay zeka koçu ile uygulamalı olarak pratik yapabilirsin. Bu, Deep Learning Academy öğrenme yolunun bir parçasıdır ve ilerlemeniz web ve CoddyKit uygulaması arasında senkronize olur. Deep Learning Academy kursu toplamda 4 dersten oluşur.
Diffusers ile Tanışın
Hugging Face Diffusers, difüzyon modellerini çalıştırmak için kullanılan başlıca kütüphanedir. Tüm zor kısımları kullanımı kolay bir arayüzün arkasında toplar. 🤗
Kurun
Başlamak için tek bir pip install komutu yeterlidir. Tam destek için transformers ve accelerate paketlerini de bununla birlikte kullanmak isteyebilirsiniz.
pip install diffusers transformers acceleratePipeline Fikri
Bir pipeline, U-Net'i, zamanlayıcıyı ve metin kodlayıcıyı tek bir nesnede birleştirir; böylece üretim için tek bir satır çağırırsınız.
Önceden Eğitilmiş Model Yükleme
Ağırlıkları adını kullanarak doğrudan Hub'dan indirirsiniz. Eğitime gerek yoktur; ağır işi zaten biri sizin için yapmıştır.
pipe = DiffusionPipeline.from_pretrained(model_id)GPU'ya Taşıyın
Üretimin hızlı çalışması için pipeline'ı cihazınıza gönderin. CPU üzerinde de çalışır, ancak bir süre beklemeniz gerekir.
pipe = pipe.to("cuda")İstemden Üretme
Pipeline'ı metin içeren bir istemle çağırdığınızda size bir görüntü döndürür. Tüm sihir, kullanımı kolay tek bir satırda gerçekleşir.
image = pipe("a cozy cabin at sunset").images[0]Görüntünüzü Kaydedin
Sonuç standart bir görüntü nesnesidir; bu nedenle onu her görüntü gibi save edebilir ve her yerde açabilirsiniz. 💾
image.save("cabin.png")Ayarları Değiştirin
Öğrendiğiniz çıkarım adımları ve yönlendirme ölçeği gibi parametreleri, çıktıyı şekillendirmek için doğrudan çağrıya aktarın.
pipe(prompt, num_inference_steps=30, guidance_scale=7.5)Tekrarlanabilir Sonuçlar
Bir üreticiyle tohum ayarladığınızda aynı istem her seferinde aynı görüntüyü üretir; bu, ayarları karşılaştırmak için çok kullanışlıdır.
g = torch.Generator("cuda").manual_seed(42)Zamanlayıcıyı Değiştirin
Yüklü bir pipeline'daki zamanlayıcıyı değiştirerek yeniden eğitim yapmadan hız ve kalite arasında tercih yapabilirsiniz.
Kuramdan Görüntülere
Birkaç satırla tüm bu kuramı gerçek görüntülere dönüştürdünüz. Kütüphane döngüyü yönetirken siz istemlere odaklanabilirsiniz. 🎨
Kısa Kontrol
Bir Diffusers pipeline neleri bir araya getirir?
Özet
Bir pipeline yükleyin, cihazınıza taşıyın ve üretim yapmak için onu bir istemle çağırın. Sonucu denetlemek için adımları, yönlendirmeyi ve tohumları ayarlayın. 🎉
Yapay zeka eğitmeniyle Python öğren — ücretsiz
Tarayıcında gerçek kod yaz ve çalıştır, 7/24 yapay zeka eğitmeninden anında yardım al; web'de ya da uygulamada kaldığın yerden devam et.
- Kurslar
- 30
- Dersler
- 120
Sıkça Sorulan Sorular
“Diffusers ile Bir Pipeline Çalıştırma” dersi ücretsiz mi?
Evet — “Diffusers ile Bir Pipeline Çalıştırma” dersin tüm metni burada web'de ücretsiz olarak okunabilir. Etkileşimli olarak pratik yapmak (yerleşik kod editörü ve 7/24 yapay zeka koçu) ve Deep Learning Academy kursunun geri kalanını açmak için CoddyKit PRO'ya yükselt. Deep Learning Academy kursu toplamda 4 dersten oluşur.
“Diffusers ile Bir Pipeline Çalıştırma” dersinde ne öğreneceğim?
Önceden eğitilmiş bir modelden görüntüler üretin. Deep Learning Academy ile uygulamalı kodu tarayıcıda doğrudan çalıştırarak pratik yaparsın ve 7/24 yapay zeka koçu dersi çalışırken sorularını yanıtlar.
Deep Learning Academy öğrenmeye başlamak için deneyim gerekli mi?
Önceden deneyim gerekmez. CoddyKit'te Deep Learning Academy, başlangıçtan ileri seviyeye kadar yapılandırıldığı için buradan başlayabilir veya başından başlayıp kendi hızında ilerleme yapabilirsin. Bu, 4 dersinin 4. dersidir.
“Diffusers ile Bir Pipeline Çalıştırma” dersi ne kadar sürer?
Çoğu CoddyKit dersi yaklaşık 5–10 dakika sürer. Her biri kısa ve etkileşimli olduğu için sabit ilerleme yaparsın ve web ile uygulama arasında tam olarak bıraktığın yerden devam edebilirsin.
Bu Deep Learning Academy dersinde kod yazıp çalıştırabilir miyim?
Evet. Her Deep Learning Academy dersi yerleşik bir kod editörü içerir, bu sayede tarayıcıda gerçek kod yazıp çalıştırabilir ve anlık yapay zeka geri bildirimi alırsın — yerel kurulum gerekli değildir.
Bu kursun tüm dersleri
- İleri Gürültüleme ve Ters Gürültü Giderme
- Gürültüyü U-Net ile Tahmin Etme
- Örnekleme Planları ve Yönlendirme
- Diffusers ile Bir Pipeline Çalıştırma