wordpress 清空回收站,长沙市做网站的,小程序联盟商家版,个人网站代码模板项目简介
FLUX.1 是一种新的开源图像生成模型。它由 Stable Diffusion 背后的团队 Black Forest Labs 开发。 官网中有以下功能开源供大家参考#xff1a;
FLUX.1 擅长在图像中准确再现文字#xff0c;因此非常适合需要清晰文字或短语的设计。无论是标牌、书籍封面还是品牌…项目简介
FLUX.1 是一种新的开源图像生成模型。它由 Stable Diffusion 背后的团队 Black Forest Labs 开发。 官网中有以下功能开源供大家参考
FLUX.1 擅长在图像中准确再现文字因此非常适合需要清晰文字或短语的设计。无论是标牌、书籍封面还是品牌内容FLUX.1 都能提供清晰、正确的文字整合。利用 FLUX.1 对空间关系的高级理解轻松创建复杂场景。从精致的幻想世界到详细的产品布局该模型都能准确地解释和执行多元素提示。FLUX.1 在渲染人体特征尤其是手部特征方面实现了重大飞跃。虽然并非完美无瑕但与以前的开源模型相比它始终能生成更逼真、比例更协调的身体部位从而提升人物图像的质量。 并且它是免费的 由于项目是英文的博主在这里做一版中文教程给后来人一些参考。 关注CSDN 心若为城获得计算机领域与人工智能领域的前沿技术。
博主碎碎念可跳过 打算重新做做自己这个老号高中时候开始做CSDN那会儿写的是NOIP/NOI相关的算法东西纯粹是写给自己看的现在时隔多年我也在清华站稳了脚跟在互联网开发和量化交易领域都算是小有成就了。
接下来这个号也许也不止这个号应该会做三个方向: AI新技术(或者不局限于AI)的抢先浏览会向大家说明当下热点论文、热点技术的部署等以及做一些周报或者日报。类似于AI Weekly 量化交易相关我在量化开发技术栈有着多年的开发经验也拿过一些投资比赛的奖项。可以面向应届生给出就业规划提供一些指导的同时分享一些含金量高的项目。 互联网面试相关我应该会着重于分享一些面试的底层技术面并且尽可能和2进行一些结合让大家同时能handle住两边的技术。
以下是正文:
原项目地址
安装教程
本地安装
cd $HOME git clone https://github.com/black-forest-labs/flux
cd $HOME/flux
python3.10 -m venv .venv
source .venv/bin/activate
pip install -e .[all]模型
我们提供了三个模型
FLUX.1 [pro] 基础模型可通过 API 获取FLUX.1 [dev] 经过引导蒸馏的变体FLUX.1 [schnell] 经过引导和步骤蒸馏的变体
名称HuggingFace 仓库许可证md5sumFLUX.1 [schnell]https://huggingface.co/black-forest-labs/FLUX.1-schnellapache-2.0a9e1e277b9b16add186f38e3f5a34044FLUX.1 [dev]https://huggingface.co/black-forest-labs/FLUX.1-devFLUX.1-dev 非商业许可证a6bd8c16dfc23db6aee2f63a2eba78c0FLUX.1 [pro]仅通过我们的 API 提供。
自动编码器的权重也在 apache-2.0 许可证下发布可以在上述任何一个 HuggingFace 仓库中找到。两个模型使用的权重是相同的。
使用方法
当您启动其中一个演示时权重将自动从 HuggingFace 下载。要下载 FLUX.1 [dev]您需要先登录详见这里。 如果您已经手动下载了模型权重可以通过环境变量指定下载路径
export FLUX_SCHNELLpath_to_flux_schnell_sft_file
export FLUX_DEVpath_to_flux_dev_sft_file
export AEpath_to_ae_sft_file要进行交互式采样请运行
python -m flux --name name --loop或者要生成单个样本请运行
python -m flux --name name \--height height --width width \--prompt prompt我们还提供了一个同时支持文本到图像和图像到图像的 Streamlit 演示。可以通过以下命令运行演示
streamlit run demo_st.py我们还提供了基于 Gradio 的演示以获得互动体验。要运行 Gradio 演示
python demo_gr.py --name flux-schnell --device cuda选项:
--name: 选择要使用的模型选项“flux-schnell”, “flux-dev”--device: 指定要使用的设备默认“cuda”如果可用否则为 “cpu”--offload: 模型未使用时卸载到 CPU--share: 创建您的演示的公共链接
要使用 dev 模型运行演示并创建公共链接
python demo_gr.py --name flux-dev --shareDiffusers 集成
FLUX.1 [schnell] 和 FLUX.1 [dev] 已集成到 diffusers 库中。要在 diffusers 中使用它请安装
pip install githttps://github.com/huggingface/diffusers.git然后您可以使用 FluxPipeline 来运行模型
import torch
from diffusers import FluxPipelinemodel_id black-forest-labs/FLUX.1-schnell # 您也可以使用 black-forest-labs/FLUX.1-devpipe FluxPipeline.from_pretrained(black-forest-labs/FLUX.1-schnell, torch_dtypetorch.bfloat16)
pipe.enable_model_cpu_offload() # 通过将模型卸载到 CPU 来节省一些 VRAM。如果您的 GPU 足够强大可以删除此行prompt A cat holding a sign that says hello world
seed 42
image pipe(prompt,output_typepil,num_inference_steps4, # 如果您使用 [dev]请使用更大的数值generatortorch.Generator(cpu).manual_seed(seed)
).images[0]
image.save(flux-schnell.png)要了解更多信息请查看 diffusers 文档。
API 使用
我们的 API 提供对 pro 模型的访问。API 文档可以在这里找到docs.bfl.ml。
在这个仓库中我们还提供了一个简便的 Python 接口。要使用该接口您首先需要在 api.bfl.ml 上注册并创建一个新的 API 密钥。
要使用 API 密钥您可以运行 export BFL_API_KEYyour_key_here或者通过 api_keyyour_key_here 参数提供密钥。还需要确保您已经按照上面的说明安装了相关包。
从 Python 使用
from flux.api import ImageRequest# 这将直接创建一个 API 请求但不会在生成完成之前阻塞
request ImageRequest(A beautiful beach)
# 或者request ImageRequest(A beautiful beach, api_keyyour_key_here)# 以下任意一个操作都会阻塞直到生成完成
request.url
# - https:.../sample.jpg
request.bytes
# - b... 生成的图像字节
request.save(outputs/api.jpg)
# 将生成的图像保存到本地
request.image
# - 一个 PIL 图像从命令行使用
$ python -m flux.api --promptA beautiful beach url
https:.../sample.jpg# 生成并保存结果
$ python -m flux.api --promptA beautiful beach save outputs/api# 直接打开图像
$ python -m flux.api --promptA beautiful beach image show
