Stable Diffusion webUI 最全且简单配置指南

# 安装必要的库
!pip install gradio
 
# 导入stable diffusion模型和必要的库
import os
from gradio import utils
from gradio import blocks as gr
from stable_diffusion import StableDiffusionPipeline
 
# 初始化stable diffusion模型
def init_stable_diffusion():
    global pipeline
    model_path = "path/to/stable-diffusion-model"
    device = "cuda" if torch.cuda.is_available() else "cpu"
    pipeline = StableDiffusionPipeline.from_pretrained(model_path, torch_dtype=torch.float16 if device == "cuda" else torch.float32, device=device).to(device)
 
# 加载图片并进行预测
def predict(image_path):
    global pipeline
    init_stable_diffusion()
    image = utils.image.open(image_path, mode="RGB")
    inpaint_image = pipeline.inpaint(image)
    return inpaint_image
 
# 创建Gradio界面
gr.Blocks(
    [
        gr.Image(type="pil", label="Image to inpaint"),
        gr.Image(type="pil", label="Inpainted Image"),
    ],
    [predict],
    "image_inpaint_demo",
    title="Image Inpaint Demo",
).launch()

这段代码首先导入所需的库，然后初始化Stable Diffusion模型。用户可以通过Gradio界面上传需要去噪的图片，然后代码会调用模型进行去噪处理，并将结果展示出来。这个过程是交互式的，用户可以在上传图片后即时看到处理结果。