项目简介
FLUX.1 是一种新的开源图像生成模型。它由 Stable Diffusion 背后的团队 Black Forest Labs 开发。
官网中有以下功能开源供大家参考：
- FLUX.1 擅长在图像中准确再现文字，因此非常适合需要清晰文字或短语的设计。无论是标牌、书籍封面还是品牌内容，FLUX.1 都能提供清晰、正确的文字整合。
- 利用 FLUX.1 对空间关系的高级理解，轻松创建复杂场景。从精致的幻想世界到详细的产品布局，该模型都能准确地解释和执行多元素提示。
- FLUX.1 在渲染人体特征，尤其是手部特征方面实现了重大飞跃。虽然并非完美无瑕，但与以前的开源模型相比，它始终能生成更逼真、比例更协调的身体部位，从而提升人物图像的质量。 并且它是免费的！ 由于项目是英文的，博主在这里做一版中文教程，给后来人一些参考。 关注CSDN 心若为城，获得计算机领域与人工智能领域的前沿技术。
博主碎碎念，可跳过：
打算重新做做自己这个老号，高中时候开始做CSDN，那会儿写的是NOIP/NOI相关的算法东西，纯粹是写给自己看的；现在时隔多年，我也在清华站稳了脚跟，在互联网开发和量化交易领域都算是小有成就了。
接下来这个号（也许也不止这个号）应该会做三个方向:
AI新技术(或者不局限于AI)的抢先浏览，会向大家说明当下热点论文、热点技术的部署等，以及做一些周报或者日报。（类似于AI Weekly）
量化交易相关，我在量化开发技术栈有着多年的开发经验，也拿过一些投资比赛的奖项。可以面向应届生给出就业规划，提供一些指导的同时分享一些含金量高的项目。
互联网面试相关，我应该会着重于分享一些面试的底层技术面，并且尽可能和2进行一些结合，让大家同时能handle住两边的技术。
以下是正文:
原项目地址
安装教程
本地安装
cd$HOME&&git clone https://github.com/black-forest-labs/flux
cd$HOME/flux
python3.10 -m venv .venv
source .venv/bin/activate
pip install-e'.[all]'
模型
我们提供了三个模型：
FLUX.1 [pro]基础模型，可通过 API 获取FLUX.1 [dev]经过引导蒸馏的变体FLUX.1 [schnell]经过引导和步骤蒸馏的变体
名称HuggingFace 仓库许可证md5sum
https://huggingface.co/black-forest-labs/FLUX.1-schnellapache-2.0a9e1e277b9b16add186f38e3f5a34044FLUX.1 [schnell]
https://huggingface.co/black-forest-labs/FLUX.1-devFLUX.1-dev 非商业许可证a6bd8c16dfc23db6aee2f63a2eba78c0FLUX.1 [dev]
仅通过我们的 API 提供。FLUX.1 [pro]
自动编码器的权重也在 apache-2.0 许可证下发布，可以在上述任何一个 HuggingFace 仓库中找到。两个模型使用的权重是相同的。
使用方法
当您启动其中一个演示时，权重将自动从 HuggingFace 下载。要下载
FLUX.1 [dev]
，您需要先登录，详见这里。
如果您已经手动下载了模型权重，可以通过环境变量指定下载路径：
exportFLUX_SCHNELL=<path_to_flux_schnell_sft_file>exportFLUX_DEV=<path_to_flux_dev_sft_file>exportAE=<path_to_ae_sft_file>
要进行交互式采样，请运行
python -m flux --name<name>--loop
或者要生成单个样本，请运行
python -m flux --name<name>\--height<height>--width<width>\--prompt"<prompt>"
我们还提供了一个同时支持文本到图像和图像到图像的 Streamlit 演示。可以通过以下命令运行演示
streamlit run demo_st.py
我们还提供了基于 Gradio 的演示以获得互动体验。要运行 Gradio 演示：
python demo_gr.py --name flux-schnell --device cuda
选项:
--name: 选择要使用的模型（选项：“flux-schnell”, “flux-dev”）--device: 指定要使用的设备（默认：“cuda”，如果可用，否则为 “cpu”）--offload: 模型未使用时卸载到 CPU--share: 创建您的演示的公共链接
要使用 dev 模型运行演示并创建公共链接：
python demo_gr.py --name flux-dev --share
Diffusers 集成
FLUX.1 [schnell]
和
FLUX.1 [dev]
已集成到 🧨 diffusers 库中。要在 diffusers 中使用它，请安装：
pip install git+https://github.com/huggingface/diffusers.git
然后您可以使用
FluxPipeline
来运行模型
import torch
from diffusers import FluxPipeline
model_id ="black-forest-labs/FLUX.1-schnell"# 您也可以使用 `black-forest-labs/FLUX.1-dev`
pipe = FluxPipeline.from_pretrained("black-forest-labs/FLUX.1-schnell", torch_dtype=torch.bfloat16)
pipe.enable_model_cpu_offload()# 通过将模型卸载到 CPU 来节省一些 VRAM。如果您的 GPU 足够强大，可以删除此行
prompt ="A cat holding a sign that says hello world"
seed =42
image = pipe(
prompt,
output_type="pil",
num_inference_steps=4,# 如果您使用 [dev]，请使用更大的数值
generator=torch.Generator("cpu").manual_seed(seed)).images[0]
image.save("flux-schnell.png")
要了解更多信息，请查看 diffusers 文档。
API 使用
我们的 API 提供对 pro 模型的访问。API 文档可以在这里找到：docs.bfl.ml。
在这个仓库中，我们还提供了一个简便的 Python 接口。要使用该接口，您首先需要在 api.bfl.ml 上注册，并创建一个新的 API 密钥。
要使用 API 密钥，您可以运行
export BFL_API_KEY=<your_key_here>
，或者通过
api_key=<your_key_here>
参数提供密钥。还需要确保您已经按照上面的说明安装了相关包。
从 Python 使用：
from flux.api import ImageRequest
# 这将直接创建一个 API 请求，但不会在生成完成之前阻塞
request = ImageRequest("A beautiful beach")# 或者：request = ImageRequest("A beautiful beach", api_key="your_key_here")# 以下任意一个操作都会阻塞，直到生成完成
request.url
# -> https:<...>/sample.jpg
request.bytes# -> b"..." 生成的图像字节
request.save("outputs/api.jpg")# 将生成的图像保存到本地
request.image
# -> 一个 PIL 图像
从命令行使用：
$ python -m flux.api --prompt="A beautiful beach" url
https:<...>/sample.jpg
# 生成并保存结果
$ python -m flux.api --prompt="A beautiful beach" save outputs/api
# 直接打开图像
$ python -m flux.api --prompt="A beautiful beach" image show
版权归原作者 心若为城 所有， 如有侵权，请联系我们删除。