/ g. z: V" F+ _3 _
! ?6 S. ]% s A$ H3 O5 eStable Diffusion安装GitHub# ?& E0 Z1 S* Q) M) D
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。9 Z+ f4 u5 o/ v9 r' W% p
$ x9 e, @1 J* |3 {& Q方法一:从 GitHub 克隆代码
! P/ E# E- g+ D3 R/ ~3 q. g7 ]7 h克隆 Stable Diffusion 仓库8 T! ^- Z o4 J! m6 Q
7 G* @. R& P- }; Y2 d( B7 f' r5 L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:% K2 ~# P& a3 O$ f$ O3 M
! x/ M4 Z* \4 f% b0 w* F7 u" G; Nhttps://github.com/CompVis/stable-diffusion4 U, n; `( d+ O7 G/ z& b
! H' R% \( l. t- H+ i+ Z* X E
在终端中,使用以下命令克隆仓库:8 }" k5 K3 @- V) l
q( Q* }5 S3 V, \/ e$ ]git clone https://github.com/CompVis/stable-diffusion.git
" v; D* {* u9 O ` c ^: pcd stable-diffusion
) F8 e" v( U S: U" q
' g% l1 l) W+ D2 s; X3 [1 d2 ~8 S$ n# ?设置环境! O4 ]3 p& {+ j
& y" V* f5 O1 l0 `' ^# `
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:
" q4 c1 z# H# H& K4 {( A6 [ k( h$ u7 @2 p' K0 Q9 i% a& \
pip install -r requirements.txt
1 C2 M8 X* f( a6 i5 v
$ X) e2 a% m9 m: N运行 Stable Diffusion: z+ q/ ^7 J2 x+ m% F" E
& i# r- X8 x" ~ V( j
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:
% @ U# {* d/ c0 E% l" |9 }( c4 e( T9 A
python scripts/txt2img.py --prompt "a photo of an astronaut riding a horse"
$ b" r; h+ |. X! S6 L4 b+ w1 [7 v; _$ k# Y* g0 P( Z) ^' A/ A
方法二:通过 Hugging Face 安装预训练模型
S. n |& c0 D; S) U: b6 y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。
" ^& W" V4 j9 I0 S" X6 ?5 E1 S( b0 k; F- Z0 k7 p
安装 diffusers0 ]" }( g: k8 E1 n
4 ` I$ F$ r9 P3 D9 D3 j' N7 l+ k# i
首先,安装 diffusers 库:
4 l) f/ P, m- s2 P& J& T9 r. A6 s( ?& U4 T& l2 ~. T
pip install diffusers transformers scipy* q- r3 |5 F# y5 m/ @: C: ?
0 e1 }. g. }' v% |7 v7 f加载和使用模型
3 Z. |( J z [0 ?5 r
% J- S5 |3 a k O4 ?使用以下代码加载和使用 Stable Diffusion 模型:3 h* I1 x/ c. I( `# u) Y3 d. O& L
# j8 O" a7 W+ @# x9 M+ P8 Pfrom diffusers import StableDiffusionPipeline q& q0 @7 s# o$ R3 I; H
import torch" h4 M. {# l1 H4 t( ~3 Y
0 u9 C% f2 l' h% jdevice = "cuda" if torch.cuda.is_available() else "cpu"
; Z! j/ [- z2 X8 }# |model_id = "runwayml/stable-diffusion-v1-5" # 使用官方预训练模型ID
, \! [7 L% a$ h/ ^0 Wpipe = StableDiffusionPipeline.from_pretrained(model_id, use_auth_token=True)+ U3 f1 Y/ z7 J; c" V" g) c
pipe = pipe.to(device)
1 H# W/ a6 V# q$ r 7 J$ ^& g y- }' M r( p
image = pipe("a photo of an astronaut riding a horse", guidance_scale=7.5)
8 z' k1 v: H4 `image[0].save("astronaut_riding_horse.png")3 \* `1 O9 u2 K9 b
/ R' F6 l- M. g/ ^: W+ ]% c* O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。 K: L3 h d7 r& ^. ~+ O( a, t+ _
# y( a6 G' k* _. x3 G2 ^+ 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。
4 g# e+ L8 W6 f8 N y6 m& v1 W) o# i$ W" } }, k; v9 [
提示:AI自动生成,仅供参考8 z& u- s" e- g' @
) K! ?8 O! c8 g# W: z! Q M$ B
参考 |