beni03058 commited on
Commit
272e902
·
verified ·
1 Parent(s): c1fba43

Upload 3 files

Browse files
Files changed (3) hide show
  1. README.md +33 -14
  2. app.py +65 -154
  3. requirements.txt +5 -6
README.md CHANGED
@@ -1,14 +1,33 @@
1
- ---
2
- title: Eva3.0
3
- emoji: 🖼
4
- colorFrom: purple
5
- colorTo: red
6
- sdk: gradio
7
- sdk_version: 5.25.2
8
- app_file: app.py
9
- pinned: false
10
- license: apache-2.0
11
- short_description: text to image
12
- ---
13
-
14
- Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ ---
2
+ title: Mon Fooocus Gratuit
3
+ emoji: 🚀
4
+ colorFrom: pink
5
+ colorTo: purple
6
+ sdk: gradio
7
+ sdk_version: 3.48.0
8
+ app_file: app.py
9
+ pinned: false
10
+ ---
11
+
12
+ # Mon Fooocus Gratuit
13
+
14
+ Bienvenue sur ma petite application de génération d'images, inspirée de Fooocus !
15
+
16
+ Utilisez cette démo pour générer des images à partir de descriptions textuelles (prompts) en utilisant le modèle **Stable Diffusion**.
17
+
18
+ ## Comment ça marche ?
19
+
20
+ 1. **Entrez votre prompt** : Décrivez l'image que vous voulez générer. Soyez créatif !
21
+ 2. **Prompt négatif (optionnel)** : Spécifiez ce que vous ne voulez **pas** voir dans l'image.
22
+ 3. **Ajustez les paramètres** :
23
+ * **Étapes d'inférence** : Plus il y en a, plus l'image sera détaillée (mais plus la génération sera longue).
24
+ * **Échelle de guidance** : Contrôle à quel point l'image doit adhérer à votre prompt.
25
+
26
+ Profitez bien de la génération d'images !
27
+
28
+ ## Technologies utilisées
29
+
30
+ * [Hugging Face Diffusers](https://huggingface.co/docs/diffusers/index)
31
+ * [Gradio](https://gradio.app/)
32
+ * [Python](https://www.python.org/)
33
+ * Hébergé sur [Hugging Face Spaces](https://huggingface.co/spaces)
app.py CHANGED
@@ -1,154 +1,65 @@
1
- import gradio as gr
2
- import numpy as np
3
- import random
4
-
5
- # import spaces #[uncomment to use ZeroGPU]
6
- from diffusers import DiffusionPipeline
7
- import torch
8
-
9
- device = "cuda" if torch.cuda.is_available() else "cpu"
10
- model_repo_id = "stabilityai/sdxl-turbo" # Replace to the model you would like to use
11
-
12
- if torch.cuda.is_available():
13
- torch_dtype = torch.float16
14
- else:
15
- torch_dtype = torch.float32
16
-
17
- pipe = DiffusionPipeline.from_pretrained(model_repo_id, torch_dtype=torch_dtype)
18
- pipe = pipe.to(device)
19
-
20
- MAX_SEED = np.iinfo(np.int32).max
21
- MAX_IMAGE_SIZE = 1024
22
-
23
-
24
- # @spaces.GPU #[uncomment to use ZeroGPU]
25
- def infer(
26
- prompt,
27
- negative_prompt,
28
- seed,
29
- randomize_seed,
30
- width,
31
- height,
32
- guidance_scale,
33
- num_inference_steps,
34
- progress=gr.Progress(track_tqdm=True),
35
- ):
36
- if randomize_seed:
37
- seed = random.randint(0, MAX_SEED)
38
-
39
- generator = torch.Generator().manual_seed(seed)
40
-
41
- image = pipe(
42
- prompt=prompt,
43
- negative_prompt=negative_prompt,
44
- guidance_scale=guidance_scale,
45
- num_inference_steps=num_inference_steps,
46
- width=width,
47
- height=height,
48
- generator=generator,
49
- ).images[0]
50
-
51
- return image, seed
52
-
53
-
54
- examples = [
55
- "Astronaut in a jungle, cold color palette, muted colors, detailed, 8k",
56
- "An astronaut riding a green horse",
57
- "A delicious ceviche cheesecake slice",
58
- ]
59
-
60
- css = """
61
- #col-container {
62
- margin: 0 auto;
63
- max-width: 640px;
64
- }
65
- """
66
-
67
- with gr.Blocks(css=css) as demo:
68
- with gr.Column(elem_id="col-container"):
69
- gr.Markdown(" # Text-to-Image Gradio Template")
70
-
71
- with gr.Row():
72
- prompt = gr.Text(
73
- label="Prompt",
74
- show_label=False,
75
- max_lines=1,
76
- placeholder="Enter your prompt",
77
- container=False,
78
- )
79
-
80
- run_button = gr.Button("Run", scale=0, variant="primary")
81
-
82
- result = gr.Image(label="Result", show_label=False)
83
-
84
- with gr.Accordion("Advanced Settings", open=False):
85
- negative_prompt = gr.Text(
86
- label="Negative prompt",
87
- max_lines=1,
88
- placeholder="Enter a negative prompt",
89
- visible=False,
90
- )
91
-
92
- seed = gr.Slider(
93
- label="Seed",
94
- minimum=0,
95
- maximum=MAX_SEED,
96
- step=1,
97
- value=0,
98
- )
99
-
100
- randomize_seed = gr.Checkbox(label="Randomize seed", value=True)
101
-
102
- with gr.Row():
103
- width = gr.Slider(
104
- label="Width",
105
- minimum=256,
106
- maximum=MAX_IMAGE_SIZE,
107
- step=32,
108
- value=1024, # Replace with defaults that work for your model
109
- )
110
-
111
- height = gr.Slider(
112
- label="Height",
113
- minimum=256,
114
- maximum=MAX_IMAGE_SIZE,
115
- step=32,
116
- value=1024, # Replace with defaults that work for your model
117
- )
118
-
119
- with gr.Row():
120
- guidance_scale = gr.Slider(
121
- label="Guidance scale",
122
- minimum=0.0,
123
- maximum=10.0,
124
- step=0.1,
125
- value=0.0, # Replace with defaults that work for your model
126
- )
127
-
128
- num_inference_steps = gr.Slider(
129
- label="Number of inference steps",
130
- minimum=1,
131
- maximum=50,
132
- step=1,
133
- value=2, # Replace with defaults that work for your model
134
- )
135
-
136
- gr.Examples(examples=examples, inputs=[prompt])
137
- gr.on(
138
- triggers=[run_button.click, prompt.submit],
139
- fn=infer,
140
- inputs=[
141
- prompt,
142
- negative_prompt,
143
- seed,
144
- randomize_seed,
145
- width,
146
- height,
147
- guidance_scale,
148
- num_inference_steps,
149
- ],
150
- outputs=[result, seed],
151
- )
152
-
153
- if __name__ == "__main__":
154
- demo.launch()
 
1
+ import gradio as gr
2
+ import torch
3
+ from diffusers import StableDiffusionPipeline
4
+ import os # Pour gérer les variables d'environnement
5
+
6
+ # --- Configuration du modèle ---
7
+ # Choisissez un modèle Stable Diffusion.
8
+ # "runwayml/stable-diffusion-v1-5" est un bon point de départ.
9
+ # Pour des modèles plus petits et plus rapides, vous pourriez envisager "stabilityai/stable-diffusion-xl-base-1.0"
10
+ # (attention, XL est plus lourd) ou des versions optimisées.
11
+ MODEL_ID = "runwayml/stable-diffusion-v1-5" # Plus petit et plus rapide pour le Free Tier
12
+
13
+ # Vérifiez si CUDA est disponible (GPU) et utilisez-le si oui.
14
+ # Sinon, utilisez le CPU (ce sera beaucoup plus lent).
15
+ DEVICE = "cuda" if torch.cuda.is_available() else "cpu"
16
+
17
+ print(f"Chargement du modèle {MODEL_ID} sur {DEVICE}...")
18
+
19
+ # Charger le pipeline de Stable Diffusion.
20
+ # Utilisez torch_dtype=torch.float16 pour économiser de la mémoire GPU si disponible.
21
+ # Cela est crucial pour le free tier de Hugging Face Spaces.
22
+ pipe = StableDiffusionPipeline.from_pretrained(MODEL_ID, torch_dtype=torch.float16 if DEVICE == "cuda" else torch.float32)
23
+ pipe.to(DEVICE)
24
+
25
+ print("Modèle chargé.")
26
+
27
+ # --- Fonction de génération d'images ---
28
+ def generate_image(prompt, negative_prompt="", num_inference_steps=30, guidance_scale=7.5):
29
+ """
30
+ Génère une image à partir d'un prompt texte.
31
+ """
32
+ with torch.no_grad(): # Désactive le calcul des gradients pour l'inférence
33
+ image = pipe(
34
+ prompt,
35
+ negative_prompt=negative_prompt,
36
+ num_inference_steps=num_inference_steps,
37
+ guidance_scale=guidance_scale
38
+ ).images[0]
39
+ return image
40
+
41
+ # --- Création de l'interface Gradio ---
42
+ print("Création de l'interface Gradio...")
43
+
44
+ iface = gr.Interface(
45
+ fn=generate_image,
46
+ inputs=[
47
+ gr.Textbox(label="Votre prompt (description de l'image)", placeholder="Un astronaute chevauchant un cheval sur Mars, style réaliste"),
48
+ gr.Textbox(label="Prompt négatif (éléments à éviter)", placeholder="mauvaise qualité, moche, flou"),
49
+ gr.Slider(minimum=10, maximum=100, step=1, value=30, label="Étapes d'inférence (qualité/temps)"),
50
+ gr.Slider(minimum=1.0, maximum=20.0, step=0.1, value=7.5, label="Échelle de guidance (fidélité au prompt)"),
51
+ ],
52
+ outputs=gr.Image(type="pil", label="Image générée"),
53
+ title="Mon Fooocus Gratuit",
54
+ description="Générez des images étonnantes avec Stable Diffusion, hébergé gratuitement sur Hugging Face Spaces !",
55
+ article="""
56
+ <p>Cette application est une démo simplifiée de génération d'images, similaire à Fooocus, utilisant Hugging Face Diffusers et Gradio.</p>
57
+ <p>Elle est hébergée gratuitement sur Hugging Face Spaces. Les performances peuvent varier en fonction de la charge et du modèle choisi.</p>
58
+ """
59
+ )
60
+
61
+ # Lancer l'interface Gradio
62
+ # Pour le développement local, vous pouvez utiliser share=True pour obtenir un lien public temporaire.
63
+ # Pour Hugging Face Spaces, vous n'avez pas besoin de share=True.
64
+ if __name__ == "__main__":
65
+ iface.launch(debug=True) # debug=True affichera plus d'informations utiles en cas de problème
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
requirements.txt CHANGED
@@ -1,6 +1,5 @@
1
- accelerate
2
- diffusers
3
- invisible_watermark
4
- torch
5
- transformers
6
- xformers
 
1
+ torch
2
+ diffusers
3
+ transformers
4
+ accelerate
5
+ gradio