Führen Sie Flux.n Mac mit Diffusoren aus

Was sind Diffusoren?

umarmendes Gesicht / Diffusoren

? Diffusoren: Modernste Diffusionsmodelle für die Bild- und Audioerzeugung in PyTorch und FLAX.

? Diffusers ist die Anlaufstelle für hochmoderne vortrainierte Diffusionsmodelle zur Erzeugung von Bildern, Audio und sogar 3D-Strukturen von Molekülen. Egal, ob Sie nach einer einfachen Inferenzlösung suchen oder Ihre eigenen Diffusionsmodelle trainieren, ? Diffusers ist eine modulare Toolbox, die beides unterstützt. Bei der Gestaltung unserer Bibliothek liegt der Schwerpunkt auf Benutzerfreundlichkeit statt Leistung, Einfachheit statt Einfach und Anpassbarkeit statt Abstraktionen.

? Diffusoren bieten drei Kernkomponenten:

• Hochmoderne Diffusionspipelines, die mit nur wenigen Codezeilen in Inferenz ausgeführt werden können.
• Austauschbare Rauschplaner für unterschiedliche Diffusionsgeschwindigkeiten und Ausgabequalität.
• Vorab trainierte Modelle, die als Bausteine ​​verwendet und mit Planern kombiniert werden können, um Ihre eigenen End-to-End-Diffusionssysteme zu erstellen.

Installation

Wir empfehlen die Installation von ? Diffusoren in einer virtuellen Umgebung von PyPI oder Conda. Weitere Informationen zur Installation von PyTorch und Flax finden Sie in der offiziellen Dokumentation.

PyTorch

Mit Pip (offiziell…

Auf GitHub ansehen

Was ist Flux?

https://blackforestlabs.ai/anncreasing-black-forest-labs/

1. Erstellen Sie eine virtuelle Umgebung

python3 -m venv fluxtest
source fluxtest/bin/activate

2. Melden Sie sich über die CLI bei Hugging Face an

https://huggingface.co/docs/huggingface_hub/main/en/guides/cli

pip install -U "huggingface_hub[cli]"
huggingface-cli login

3. Pakete installieren

pip install torch==2.3.1
pip install git+https://github.com/huggingface/diffusers.git
pip install transformers==4.43.3 sentencepiece==0.2.0 accelerate==0.33.0 protobuf==5

4. Führen Sie ein Python-Skript aus

image.py

import torch
from diffusers import  FluxPipeline
import diffusers

_flux_rope = diffusers.models.transformers.transformer_flux.rope
def new_flux_rope(pos: torch.Tensor, dim: int, theta: int) -> torch.Tensor:
    assert dim % 2 == 0, "The dimension must be even."
    if pos.device.type == "mps":
        return _flux_rope(pos.to("cpu"), dim, theta).to(device=pos.device)
    else:
        return _flux_rope(pos, dim, theta)

diffusers.models.transformers.transformer_flux.rope = new_flux_rope

pipe = FluxPipeline.from_pretrained("black-forest-labs/FLUX.1-schnell", revision='refs/pr/1',  torch_dtype=torch.bfloat16).to("mps")

prompt = "japanese girl, photo-realistic"
out = pipe(
     prompt=prompt,
     guidance_scale=0.,
     height=1024,
     width=1024,
     num_inference_steps=4,
     max_sequence_length=256,
).images[0]
out.save("image.png")

Führen Sie abschließend ein Python-Skript aus, um ein Bild zu generieren.

python image.py

Ausgabe

Das obige ist der detaillierte Inhalt vonFühren Sie Flux.n Mac mit Diffusoren aus. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!