Diffusers

Die Python-Bibliothek von Hugging Face zum Ausführen und Trainieren von Diffusionsmodellen für Bild, Video und Audio.

  • Bibliotheken
  • Apache 2.0 · Open Source
  • macOS, Windows, Linux
  • Verifiziert

Diffusers ist die Hugging-Face-Bibliothek für vortrainierte Diffusionsmodelle. Sie besteht aus drei Kernteilen: einsatzbereiten Pipelines, die mit wenigen Codezeilen Ergebnisse liefern; austauschbaren Noise Schedulern, die Geschwindigkeit gegen Qualität abwägen; und vortrainierten Modellkomponenten, die Sie zu eigenen Systemen kombinieren können. Laut README gibt es im Hub über 30.000 Checkpoints, die mit Diffusers funktionieren.

Die Installation erfolgt mit pip install diffusers[torch], das Modell laden Sie mit DiffusionPipeline.from_pretrained und verschieben es auf die GPU. Apple Silicon wird über das MPS-Backend von PyTorch unterstützt, und die Dokumentation hat dazu eine Anleitung. Model Cards von Bild- und Videomodellen zeigen oft ein Diffusers-Snippet, daher ist es ein üblicher Weg, das Beispiel des Entwicklers nachzubauen.

Die Lizenz ist Apache 2.0. Es ist Code für Entwickler, keine fertige App; für Klick-für-Klick-Nutzung sehen Sie sich ComfyUI an. Die Bild- und Videomodelle sind groß, prüfen Sie also den Speicherbedarf auf jeder Modellseite.

Geeignet für

  • Funktionen zur Bild- oder Videogenerierung in Python bauen
  • Fine-Tuning oder LoRA-Training von Diffusionsmodellen
  • Das Beispiel aus einer Model Card nachstellen
  • Verschiedene Scheduler ausprobieren, um Geschwindigkeit gegen Qualität abzuwägen

Darauf achten

  • Es ist eine Bibliothek: Sie schreiben den Code oder nutzen ein anderes Tool als Oberfläche
  • Die Modelle sind groß, und der benötigte Speicher steht auf jeder Modellseite
  • Prüfen Sie auf der Model Card die nötige Diffusers-Version, denn neue Modelle brauchen aktuelle Bibliotheksversionen

Links