无条件图像生成

[[open-in-colab]]

无条件图像生成会生成看起来像是从模型训练数据中随机采样的图像，因为去噪过程不受任何额外上下文（如文本或图像）的引导。

要开始使用，请使用 [DiffusionPipeline] 加载 anton-l/ddpm-butterflies-128 检查点以生成蝴蝶图像。[DiffusionPipeline] 会下载并缓存生成图像所需的所有模型组件。

from diffusers import DiffusionPipeline

generator = DiffusionPipeline.from_pretrained("anton-l/ddpm-butterflies-128").to("cuda")
image = generator().images[0]
image

输出图像是一个 PIL.Image 对象，可以保存：

image.save("generated_image.png")

你也可以尝试调整 num_inference_steps 参数，它控制着去噪步骤的数量。更多的去噪步骤通常会生成更高质量的图像，但生成时间会更长。随意调整这个参数，看看它如何影响图像质量。

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

在下面的空间中尝试生成一只蝴蝶的图像！