diffusers

环境要求

• Python 环境（建议使用虚拟环境安装）
• PyTorch（请按 PyTorch 官方文档安装对应版本）
• 可用 pip 或 Conda 包管理器
• 运行官方示例需要 NVIDIA GPU（示例代码使用 cuda 与 float16）

安装与启动步骤

1. 1创建虚拟环境

   README 建议在虚拟环境中安装 Diffusers，避免与系统包冲突。先进入你的项目目录再执行。

   python -m venv .venv

   复制

2. 2激活虚拟环境

   Windows 与 Linux/macOS 激活命令不同，激活后命令行前会出现环境名。

   source .venv/bin/activate

   复制

3. 3安装 PyTorch

   README 提示安装 Diffusers 前请参考 PyTorch 官方文档，按你的 CUDA 版本选择安装命令。

   pip install torch

   复制

4. 4安装 Diffusers

   从 PyPI 安装 Diffusers，也可改用 Conda 安装。

   pip install diffusers

   复制

5. 5写 Quickstart 脚本

   新建 quickstart.py，粘贴 README 中的示例代码，用 from_pretrained 加载预训练扩散模型生成图像。

   from diffusers import DiffusionPipeline
   import torch
   
   pipeline = DiffusionPipeline.from_pretrained("stable-diffusion-v1-5/stable-diffusion-v1-5", dtype=torch.float16)
   pipeline.to("cuda")
   pipeline("An image of a squirrel in Picasso style").images[0]

   复制

6. 6运行生成图像

   首次运行会自动从 Hugging Face Hub 下载模型权重，耗时较长，请保持网络畅通。

   python quickstart.py

   复制

7. 7尝试底层组件

   README 还给出用 DDPMScheduler 与 UNet2DModel 自行搭建扩散流程的示例，可进阶学习。

   from diffusers import DDPMScheduler, UNet2DModel
   from PIL import Image
   import torch
   
   scheduler = DDPMScheduler.from_pretrained("google/ddpm-cat-256")
   model = UNet2DModel.from_pretrained("google/ddpm-cat-256").to("cuda")
   scheduler.set_timesteps(50)

   复制

如何确认成功

运行 python quickstart.py 无报错，最后一行返回一张 PIL 图像，即为成功。

常见问题

注意事项

• recommended 使用虚拟环境安装，避免污染系统 Python 环境
• 示例中 dtype=torch.float16 需要 GPU 支持，低显存显卡也能受益
• 30,000+ 预训练模型均可通过 from_pretrained 一键加载
• 底层 DDPMScheduler 与 UNet2DModel 可用于自建扩散系统，适合进阶研究