diffusers/main/tr/using-diffusers/unconditional_image_generation.md

Koşulsuz görüntü üretimi

Koşulsuz görüntü üretimi, gürültü azaltma sürecinin metin veya görüntü gibi ek bir bağlam tarafından yönlendirilmediği için, modelin eğitildiği eğitim verisinden rastgele bir örnek gibi görünen görüntüler üretir.

Başlamak için, kelebek görselleri üretmek üzere anton-l/ddpm-butterflies-128 kontrol noktasını yüklemek için DiffusionPipeline kullanın. DiffusionPipeline, bir görsel üretmek için gereken tüm model bileşenlerini indirir ve önbelleğe alır.

from diffusers import DiffusionPipeline

generator = DiffusionPipeline.from_pretrained("anton-l/ddpm-butterflies-128").to("cuda")  # or "mps", "xpu", "cpu"
image = generator().images[0]
image

Başka bir şeyin görsellerini üretmek mi istiyorsunuz? Kendi görsellerinizi üretecek bir model eğitmeyi öğrenmek için eğitim kılavuzuna göz atın.

Çıktı görüntüsü, kaydedilebilen bir PIL.Image nesnesidir:

image.save("generated_image.png")

Gürültü azaltma adımlarının sayısını kontrol eden num_inference_steps parametresiyle de deneyler yapabilirsiniz. Daha fazla gürültü azaltma adımı genellikle daha yüksek kaliteli görseller üretir ancak üretimi daha uzun sürer. Görsel kalitesi üzerindeki etkisini görmek için bu parametreyle dilediğiniz gibi oynayabilirsiniz.

image = generator(num_inference_steps=100).images[0]
image

Aşağıdaki Space'i deneyerek bir kelebek görseli oluşturun!