KerasHub: 预训练模型 / API 文档 / 模型架构 / Flux / FluxTextToImage 模型

FluxTextToImage 模型

[来源]

FluxTextToImage

keras_hub.models.FluxTextToImage(backbone, preprocessor, **kwargs)

一个用于文本到图像生成的端到端 Flux 模型。

该模型具有一个 generate() 方法,用于根据提示生成图像。

参数

示例

使用 generate() 进行图像生成。

prompt = (
    "Astronaut in a jungle, cold color palette, muted colors, "
    "detailed, 8k"
)
text_to_image = keras_hub.models.FluxTextToImage.from_preset(
    "TBA", height=512, width=512
)
text_to_image.generate(
    prompt
)

# Generate with batched prompts.
text_to_image.generate(
    ["cute wallpaper art of a cat", "cute wallpaper art of a dog"]
)

# Generate with different `num_steps` and `guidance_scale`.
text_to_image.generate(
    prompt,
    num_steps=50,
    guidance_scale=5.0,
)

# Generate with `negative_prompts`.
text_to_image.generate(
    {
        "prompts": prompt,
        "negative_prompts": "green color",
    }
)

[来源]

from_preset 方法

FluxTextToImage.from_preset(preset, load_weights=True, **kwargs)

从模型预设实例化一个 keras_hub.models.Task

预设是用于保存和加载预训练模型的配置、权重及其他文件资产的目录。preset 可以是以下之一:

  1. 内置预设标识符,例如 'bert_base_en'
  2. Kaggle Models 句柄,例如 'kaggle://user/bert/keras/bert_base_en'
  3. Hugging Face 句柄,例如 'hf://user/bert_base_en'
  4. 本地预设目录路径,例如 './bert_base_en'

对于任何 Task 子类,您可以运行 cls.presets.keys() 列出该类所有可用的内置预设。

此构造函数可以通过两种方式之一调用。要么从任务特定的基类(例如 keras_hub.models.CausalLM.from_preset())调用,要么从模型类(例如 keras_hub.models.BertTextClassifier.from_preset())调用。如果从基类调用,返回对象的子类将从预设目录中的配置推断。

参数

  • preset:字符串。内置预设标识符、Kaggle Models 句柄、Hugging Face 句柄,或本地目录路径。
  • load_weights:布尔值。如果为 True,保存的权重将加载到模型架构中。如果为 False,所有权重将随机初始化。

示例

# Load a Gemma generative task.
causal_lm = keras_hub.models.CausalLM.from_preset(
    "gemma_2b_en",
)

# Load a Bert classification task.
model = keras_hub.models.TextClassifier.from_preset(
    "bert_base_en",
    num_classes=2,
)

backbone 属性

keras_hub.models.FluxTextToImage.backbone

一个具有核心架构的 keras_hub.models.Backbone 模型。


[来源]

generate 方法

FluxTextToImage.generate(inputs, num_steps=28, guidance_scale=7.0, seed=None)

根据提供的 inputs 生成图像。

通常,inputs 包含用于引导图像生成的文本描述(称为提示)。

某些模型支持 negative_prompts 键,这有助于引导模型避免生成某些风格和元素。要启用此功能,请将 promptsnegative_prompts 作为字典传递

prompt = (
    "Astronaut in a jungle, cold color palette, muted colors, "
    "detailed, 8k"
)
text_to_image.generate(
    {
        "prompts": prompt,
        "negative_prompts": "green color",
    }
)

如果 inputs 是一个 tf.data.Dataset,输出将“按批次”生成并连接。否则,所有输入将作为批次处理。

参数

  • inputs:Python 数据、张量数据或 tf.data.Dataset。格式必须是以下之一:
    • 单个字符串
    • 字符串列表
    • 包含“prompts”和/或“negative_prompts”键的字典
    • 包含“prompts”和/或“negative_prompts”键的 tf.data.Dataset
  • num_steps:整数。要执行的扩散步数。
  • guidance_scale:可选浮点数。在《Classifier-Free Diffusion Guidance》中定义的无分类器指导尺度。较高的尺度鼓励生成与提示更相关的图像,通常会牺牲图像质量。请注意,某些模型不使用无分类器指导。
  • seed:可选整数。用作随机种子。

preprocessor 属性

keras_hub.models.FluxTextToImage.preprocessor

用于预处理输入的 keras_hub.models.Preprocessor 层。