stable-diffusion-streamlit

1.简介
2.快速开始
3.模型量化提速表现
4.Streamlit进度条
5.下一步
6.帮助
7.致谢

1. 简介

使用Streamlit构建一个Web服务，测试使用OnnxRuntime量化压缩后的CompVis/stable-diffusion-v1-4模型做图片生成.
- Streamlit:
  - 一个流行的开源框架，可以快速搭建机器学习和数据科学团队的Web应用。
- CompVis/stable-diffusion-v1-4:
  - 一个流行的扩散模型，可以通过文字提示生成栩栩如生的高质量图片。
- OnnxRuntime:
  - 微软推出的一款推理框架，用户可以非常便利的量化压缩模型。

2. 快速开始

2.1. 部署

docker-compose up -d

version: "2.3"
services:
  stable-diffusion-streamlit-onnxquantized:
    container_name: stable-diffusion-streamlit-onnxquantized
    image: lowinli98/stable-diffusion-streamlit-onnxquantized:v0.2
    expose:
      - 8501
    ports:
      - "8501:8501"
    environment:
      - APP_TITLE=Stable Diffusion Streamlit
    restart: always
    volumes:
      - /etc/localtime:/etc/localtime
      - ./volume:/app/pages/model/result

2.2. 使用

2.2.1. 从博客best-100-stable-diffusion-prompts或50-text-to-image-prompts-for-ai复制一个文本提示。
2.2.2. 打开http://localhost:8501，在侧边栏点击"文本转图片"。
2.2.3. 修改运行参数, 粘贴提示，点击"开始生成"。
2.2.4. 待进度条走完后，页面直接展示生成的图片
2.2.5. 点击侧边栏的"画廊"查看所有历史生成的图片