藉由 Hugging Face 可以讓我們在使用 AI 上更為方便，它上面有很多 Models 可以使用，簡直是現在 AI 工程師的救星！如果把 Hugging Face 和 LangChain 串一起會更強大。

本文以文字轉圖片為例，教導大家 Hugging Face 的 Pipeline。

此文章也有發表在Medium上 >>

• 使用 Hugging Face 的Pipeline來實現本地端文字轉圖片(Text-to-Image)，進行圖片生成

資料集

一個專門使用 Hugging Face 和 Langchain 的 GitHub repo。

• Github Repository — weitsung50110/Huggingface Langchain kit

本文是使用到裡面的 diffuser.py 檔案。

• weitsung50110/Huggingface Langchain kit/diffuser.py

Hugging Face 的使用主要有兩種方法

1. 使用 Serverless Inference API，需要註冊登入來產生 API_TOKEN。好處是可以線上執行，不會佔據本地資源，但會有速率限制，而且未來有可能會限制越來越多(?)

2. 本文是使用地端的方式來生成圖片，所以如果你沒有 Hugging Face 的帳號，也可以無痛執行~ 但缺點就是會佔據一些本地資源。

Hugging Face 已經把很多模型幫大家分類完成，因此可以從裡面挑取自己想要使用的模型即可！

本文是挑選 runwayml/stable-diffusion-v1-5 來使用。

程式碼講解教學

1. 套件導入

from diffusers import StableDiffusionPipeline
import torch
import argparse

比較多人想到 Hugging Face 可能會想到 Transformers，但其實還有很多其他的套件，像是 diffusers 也是他們家的。

2. 定義使用模型的主要函式

# 定義 main 函數，接收一個參數 output_filename
def main(prompt, output_filename):
    # 設定模型 ID
    model_id = "runwayml/stable-diffusion-v1-5"

    # 從預訓練模型載入 Stable Diffusion 管道
    pipe = StableDiffusionPipeline.from_pretrained(model_id, torch_dtype=torch.float32)
    pipe = pipe.to("cpu")  # 使用 CPU 運行

    # 生成圖像
    image = pipe(prompt).images[0]

    # 將圖像保存到指定的文件名
    image.save(output_filename)

如果你有 GPU，可以改成使用 GPU。

pipe = pipe.to("cpu")

像是nvidia類的，會需要設定cuda，詳情未來有需要可以教導大家:)

# 生成圖像
image = pipe(prompt).images[0]

# 將圖像保存到指定的文件名
image.save(output_filename)

這邊的output_filename和prompt都還沒有定義，我們會在初始函式中定義。

3. 設定初始函式

# 檢查程式是否以主程式運行
if __name__ == "__main__":
    # 創建參數解析器
    parser = argparse.ArgumentParser(description="Generate an image with Stable Diffusion and save it.")

    # 添加 --prompt 參數，用於指定生成圖像的提示詞
    parser.add_argument("--prompt", type=str, required=True, help="The prompt for generating the image.")
    # 添加 --output 參數，用於指定輸出文件名
    parser.add_argument("--output", type=str, required=True, help="The output filename for the generated image.")

    # 解析命令列參數
    args = parser.parse_args()

    # 呼叫 main 函數並傳遞解析到的輸出文件名
    main(args.prompt, args.output)

使用 argparse 的好處是，你可以直接在命令行輸入想要的變數，而不需要在程式碼中更改變數的值。

main(args.prompt, args.output)

使用這行程式把值傳到main函式中。

4. 程式執行的命令介紹

python diffuser.py --output 輸入圖片名稱.png --prompt "輸入你想要的prompt"

5. 成果

- "a cartoon of Taiwanese boy"
- "a cartoon of Japanese boy"
- "a cartoon of Korean boy"

- "a handsome Japanese boy at the age around 17 in the '90s"

- "a beautiful Japanese girl at the age around 17 in the '80s"

- "a Taiwanese handsome boy with blonde hair"
- "a Japanese handsome boy with blonde hair"
- "a Korean handsome boy with blonde hair"

- "a Beautiful Japanese idol at the age around 17 in the '80s"

- "a handsome Japanese idol at the age around 17 in the '90s"