Qwen-Image-2.1

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

• Python 环境（项目开发语言为 Python）
• 可用的 CUDA GPU（示例代码使用 .to("cuda") 与 torch.Generator("cuda")）
• 已安装 PyTorch（示例使用 torch.bfloat16 精度）
• 已具备可加载 QwenImage21Pipeline 的推理环境（README 未给出具体安装命令）
• 磁盘与显存需满足 7B 视觉生成组件的权重加载需求

安装与启动步骤

1. 1获取模型权重

   README 只给出权重与体验入口：HuggingFace/ModelScope 页面及在线 Demo，未提供下载命令，请自行在页面获取权重。

2. 2加载推理管道

   用 from_pretrained 载入 Qwen/Qwen-Image-2.1 权重并转 bfloat16、放到 cuda。需先自行导入 torch 与 QwenImage21Pipeline（README 未给导入路径）。

   pipe = QwenImage21Pipeline.from_pretrained(
       "Qwen/Qwen-Image-2.1", torch_dtype=torch.bfloat16
   ).to("cuda")

   复制

3. 3改写提示词

   README 提到先运行 rewriter（run_vllm.py）读取输出，得到 rewritten_prompt 与 wh_ratio；README 未给出该脚本的确切运行命令。

4. 4按宽高比推理

   用 WH_RATIO_TO_SIZE 把 wh_ratio 映射为宽高，默认 (2048, 2048)，推理步数 40，固定随机种子 42。

   width, height = WH_RATIO_TO_SIZE.get(rewrite["wh_ratio"], (2048, 2048))
   
   image = pipe(
       prompt=prompt,
       width=width, height=height,
       num_inference_steps=40,
       generator=torch.Generator("cuda").manual_seed(42),
   ).images[0]

   复制

5. 5保存生成结果

   取返回结果的第一张图并落盘为 PNG，随后打开文件确认画面效果。

   image.save("rewritten_example.png")

   复制

关键配置

如何确认成功

脚本运行结束后生成 rewritten_example.png，打开该图片，画面与提示词描述一致即为成功。

常见问题

注意事项

• README 节选中没有依赖安装（如 pip install）说明，本教程未编造任何安装命令
• 权重可从 README 给出的 ModelScope 与 HuggingFace 页面获取
• 文生图管线代码来自 README Quick Start 片段，其中 QwenImage21Pipeline 的导入路径未在节选中出现
• 模型含 7B 参数的视觉生成组件，首次加载需下载较大权重，请预留时间与磁盘空间