StableDiffusion3TextToImage 类keras_hub.models.StableDiffusion3TextToImage(backbone, preprocessor, **kwargs)
一个用于文本到图像生成的端到端 Stable Diffusion 3 模型。
此模型有一个 generate() 方法，用于根据提示生成图像。
参数
keras_hub.models.StableDiffusion3Backbone 实例。keras_hub.models.StableDiffusion3TextToImagePreprocessor 实例。示例
使用 generate() 方法进行图像生成。
text_to_image = keras_hub.models.StableDiffusion3TextToImage.from_preset(
"stable_diffusion_3_medium", image_shape=(512, 512, 3)
)
text_to_image.generate(
"Astronaut in a jungle, cold color palette, muted colors, detailed, 8k"
)
# 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(
"Astronaut in a jungle, cold color palette, muted colors, detailed, 8k",
num_steps=50,
guidance_scale=5.0,
)
# Generate with `negative_prompts`.
prompt = (
"Astronaut in a jungle, cold color palette, muted colors, "
"detailed, 8k"
)
text_to_image.generate(
{
"prompts": prompt,
"negative_prompts": "green color",
}
)
from_preset 方法StableDiffusion3TextToImage.from_preset(preset, load_weights=True, **kwargs)
从模型预设中实例化一个 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 可以以下列形式之一传递：
'bert_base_en''kaggle://user/bert/keras/bert_base_en''hf://user/bert_base_en''./bert_base_en'对于任何 Task 子类，你可以运行 cls.presets.keys() 来列出该类上所有可用的内置预设。
这个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调用，例如 keras_hub.models.CausalLM.from_preset()，要么从模型类调用，例如 keras_hub.models.BertTextClassifier.from_preset()。如果从基类调用，返回对象的子类将根据预设目录中的配置进行推断。
参数
True，则会将保存的权重加载到模型架构中。如果为 False，则所有权重都将随机初始化。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,
)
| 预设 | 参数 | 描述 |
|---|---|---|
| stable_diffusion_3_medium | 2.99B | 30 亿参数，包括 CLIP L 和 CLIP G 文本编码器、MMDiT 生成模型以及 VAE 自动编码器。由 Stability AI 开发。 |
| stable_diffusion_3.5_medium | 3.37B | 30 亿参数，包括 CLIP L 和 CLIP G 文本编码器、MMDiT-X 生成模型以及 VAE 自动编码器。由 Stability AI 开发。 |
| stable_diffusion_3.5_large | 9.05B | 90 亿参数，包括 CLIP L 和 CLIP G 文本编码器、MMDiT 生成模型以及 VAE 自动编码器。由 Stability AI 开发。 |
| stable_diffusion_3.5_large_turbo | 9.05B | 90 亿参数，包括 CLIP L 和 CLIP G 文本编码器、MMDiT 生成模型以及 VAE 自动编码器。这是一个经过时间步蒸馏的版本，消除了无分类器引导，并使用更少的步骤进行生成。由 Stability AI 开发。 |
backbone 属性keras_hub.models.StableDiffusion3TextToImage.backbone
一个包含核心架构的 keras_hub.models.Backbone 模型。
generate 方法StableDiffusion3TextToImage.generate(
inputs, num_steps=28, guidance_scale=7.0, seed=None
)
根据提供的 inputs 生成图像。
通常，inputs 包含用于指导图像生成的文本描述（称为提示词或 prompt）。
一些模型支持 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 prompts 和 negative_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“分批”生成并拼接。否则，所有输入都将作为批次处理。
参数
tf.data.Dataset。格式必须是以下之一：tf.data.Datasetpreprocessor 属性keras_hub.models.StableDiffusion3TextToImage.preprocessor
一个用于预处理输入的 keras_hub.models.Preprocessor 层。