如何使用gradio调用下载到本地的satble diffusion

2023-12-31 420 阅读2分钟

以下是创建和运行使用 Hugging Face 上的 Stable Diffusion 模型的 Gradio 应用的详细步骤，以及所需的工具和库：

步骤概览

设置 Python 环境
安装必要的库
获取 Hugging Face 访问令牌
加载 Stable Diffusion 模型
创建 Gradio 应用
运行应用
注意事项

详细步骤

1. 设置 Python 环境

使用 Python (推荐 Python 3.7 或更高版本)。

创建并激活虚拟环境（可选，但推荐）：

bashCopy code
python -m venv venv
source venv/bin/activate  # 在 Windows 上使用 .\venv\Scripts\activate

2. 安装必要的库

在虚拟环境中安装以下库：

bashCopy code
pip install gradio diffusers transformers requests
pip install torch torchvision torchaudio  # 根据您的系统和 CUDA 版本选择合适的命令

3. 获取 Hugging Face 访问令牌

在 Hugging Face 官网创建账户并登录。
在“Settings”（设置）中生成新的访问令牌。
将令牌保存在安全的地方。

4. 加载 Stable Diffusion 模型

使用以下 Python 代码片段：

pythonCopy code
from diffusers import StableDiffusionPipeline
import torch

# 如果在非 Jupyter 环境中，使用环境变量或直接输入令牌
huggingface_token = "your_token_here"

model = StableDiffusionPipeline.from_pretrained("CompVis/stable-diffusion-v1-4", use_auth_token=huggingface_token)
model.to("cuda")  # 如果有 GPU 的话

5. 创建 Gradio 应用

使用以下 Python 代码片段创建 Gradio 界面：

pythonCopy code
import gradio as gr

def generate_image(prompt):
    with torch.no_grad():
        image = model(prompt)["sample"][0]
    return image

iface = gr.Interface(fn=generate_image, inputs="text", outputs="image").launch()

6. 运行应用

执行 Python 脚本以启动 Gradio 应用。
应用将在本地服务器上启动，并提供一个 URL 用于交互。

7. 注意事项

确保您的系统具备足够的计算资源，特别是如果使用 GPU。
在使用和分享生成的图像时，请遵循版权和使用准则。

所需工具和库

Python：编程语言。
Gradio：创建交互式界面。
Diffusers：加载和使用 Hugging Face 上的 Stable Diffusion 模型。
Transformers：Hugging Face 提供的深度学习模型库。
PyTorch：深度学习框架，用于运行模型。
Hugging Face 账户和访问令牌：访问和使用模型所需。