; @8 q$ _/ X+ ^9 l/ l$ I/ j3 ^4 }0 e. N( c1 C J" ?
Stable Diffusion安装GitHub
; F0 G( E+ ~* N在安装 Stable Diffusion 模型时，通常有两种主要方式：直接从官方 GitHub 仓库克隆代码，或通过 Hugging Face 等平台安装预训练模型。下面将分别介绍这两种方法。
$ a3 Y/ N7 ^+ J; X7 ~7 m2 H! c4 P% J/ x( j* R" P) B
方法一：从 GitHub 克隆代码
. s; l# O$ b1 A" b克隆 Stable Diffusion 仓库$ {# e, o! S# f1 J2 p3 v( E
" @3 E8 T; q8 C3 s. U
首先，你需要从 GitHub 克隆 Stable Diffusion 的官方仓库。截至目前（2023年），官方仓库地址为：9 j- A# E* _* E) r6 L. j$ v
; |' z: p: Y, p ^ q
https://github.com/CompVis/stable-diffusion
6 O- E+ h2 N) h
* o, U7 z4 c; z3 [/ F在终端中，使用以下命令克隆仓库：
' E% [; X& s: X5 e6 h: z* ~
Q! K8 R8 q/ t- T2 h; U8 _git clone https://github.com/CompVis/stable-diffusion.git; }6 C( T; S' i6 D
cd stable-diffusion0 X( s1 p+ c. u- H* V2 ?) ~7 d4 g
3 v. i$ k3 [ A* f* C设置环境
: w( k7 {' h( v/ d4 J3 U1 I! ~5 y+ c4 I4 O* u# K6 ^
安装必要的依赖。Stable Diffusion 需要 Python 和一些特定的库。你可以使用 requirements.txt 文件中的依赖来安装它们。首先，确保你的 Python 版本符合要求（通常是 Python 3.8 或更高）。然后，使用以下命令安装依赖：
/ C' C& \7 Q4 G! ^& O- ]! b* S5 e3 I; j/ O& ^& T
pip install -r requirements.txt7 I/ X/ U* n2 }
: \0 v/ G# E7 a: M W( ]* s3 O运行 Stable Diffusion- s' j& j+ p' i5 B5 c2 C
$ d0 Y6 g1 A3 r5 p% D2 u- _" x: t
根据你的具体需求，你可以运行不同的脚本。例如，如果你只是想测试模型，可以运行：
0 M% X* ~/ t( C: s: {, l1 x" L! ?4 W* g, \1 p5 n5 A9 Y
python scripts/txt2img.py --prompt "a photo of an astronaut riding a horse"
0 e6 K; A u, }$ h
. z9 R8 W* b7 A7 p方法二：通过 Hugging Face 安装预训练模型. b4 W1 p- p( H" Z: c& Y) [/ d
如果你只是想使用预训练的模型而不想从源代码开始，你可以使用 Hugging Face 的 diffusers 库来加载和使用 Stable Diffusion 模型。
* f6 J/ ^/ H3 G8 ?" L/ t2 j3 _7 T# R8 }- _3 n3 F
安装 diffusers4 O) ?/ }2 e5 [5 y) z& \# t
: p$ I& Q) \- r
首先，安装 diffusers 库：
& M" d: A$ R) O! o* N- V3 ?4 D, s# H7 L
pip install diffusers transformers scipy
5 L/ ~2 D! O1 f+ W' B
: \0 i: H0 i l! i# ^加载和使用模型
+ w8 N) h1 s& s0 S. H+ a" V2 h9 f, ~
使用以下代码加载和使用 Stable Diffusion 模型：
8 ]% s0 E$ Z4 Q: `; I# ^( e
$ a3 J! m$ [7 H, a7 vfrom diffusers import StableDiffusionPipeline I, w2 Q. n! V* g1 y1 p
import torch: u) \) Y2 {! X, p
8 V3 t( T ]2 t; x: w0 Gdevice = "cuda" if torch.cuda.is_available() else "cpu"
- ~8 f+ [7 c) q& S x8 Z7 `model_id = "runwayml/stable-diffusion-v1-5" # 使用官方预训练模型ID1 ?" W j' X' i
pipe = StableDiffusionPipeline.from_pretrained(model_id, use_auth_token=True)
5 Q) M' f7 a# e$ t8 W* q( ppipe = pipe.to(device)+ E5 o7 U, v+ I% K6 R! u
: A8 z3 K9 s& Q! q0 A( \6 _$ X
image = pipe("a photo of an astronaut riding a horse", guidance_scale=7.5)
5 h! L" }5 S2 q/ f* P3 ^# ~image[0].save("astronaut_riding_horse.png")
; Z* B. Y: e* T( F# n
+ O% D1 ~: x; k2 S( k# p, y- Q确保替换 use_auth_token=True 中的 True 为你的 Hugging Face 访问令牌，如果你有的话。如果没有，可以省略或设置为 None。你可以在 Hugging Face 的网站上获取访问令牌。
1 b- l* n( }7 |0 D# a' |5 B* B5 z* D5 n: ` u! V8 K( F
通过上述任何一种方法，你都可以开始使用 Stable Diffusion 生成图像了。选择哪种方法取决于你的具体需求，比如是否需要自定义模型或只是快速开始使用预训练模型。
* `& j u4 ]) s& S3 k z
: _5 @+ Q* |" q3 F6 e3 K2 q提示：AI自动生成，仅供参考
3 |4 g& U- H, d
2 o* R7 q: v) z参考 |
照妖镜