> ## Documentation Index > Fetch the complete documentation index at: https://wb-21fd5541-serverless-sft-revamp.mintlify.site/llms.txt > Use this file to discover all available pages before exploring further. # thoughtful philosophy vitamins. Hugging Face Diffusers​운영체제: Windows 10 그래픽카드: NVIDIA GeForce RTX 30 export const ColabLink = ({url}) => Try in Colab ; [Hugging Face Diffusers](https://huggingface.co/docs/diffusers) 는 이미지, 오디오, 그리고 분자의 3D 구조까지 생성할 수 있는 최첨단 사전학습된 diffusion 모델을 위한 핵심 라이브러리입니다. W\&B 인테그레이션은 사용 편의성을 유지하면서도, 인터랙티브한 중앙 집중식 대시보드에 풍부하고 유연한 실험 추적, 미디어 시각화, 파이프라인 아키텍처 및 설정 관리를 추가합니다. ## 단 두 줄의 코드로 구현하는 차원이 다른 로그 단 2줄의 코드를 추가하는 것만으로 실험과 관련된 모든 프롬프트, 네거티브 프롬프트, 생성된 미디어 및 설정을 로그할 수 있습니다. 로깅을 시작하기 위한 2줄의 코드는 다음과 같습니다: ```python theme={null} # autolog 함수 임포트 from wandb.integration.diffusers import autolog # 파이프라인 호출 전에 autolog 호출 autolog(init=dict(project="diffusers_logging")) ``` 실험 결과 로깅 ## 시작하기 1. `diffusers`, `transformers`, `accelerate`, 그리고 `wandb`를 설치합니다. * 커맨드라인: ```shell theme={null} pip install --upgrade diffusers transformers accelerate wandb ``` * 노트북: ```bash theme={null} !pip install --upgrade diffusers transformers accelerate wandb ``` 2. `autolog`를 사용하여 W\&B Run 을 초기화하고, [지원되는 모든 파이프라인 호출](https://github.com/wandb/wandb/blob/main/wandb/integration/diffusers/autologger.py#L12-L72)로부터 입력과 출력을 자동으로 추적합니다. `autolog()` 함수를 호출할 때 [`wandb.init()`](/models/ref/python/functions/init) 에 필요한 파라미터 사전을 받는 `init` 파라미터를 함께 사용할 수 있습니다. `autolog()`를 호출하면 W\&B Run 이 초기화되고, [지원되는 모든 파이프라인 호출](https://github.com/wandb/wandb/blob/main/wandb/integration/diffusers/autologger.py#L12-L72)로부터 입력과 출력을 자동으로 추적합니다. * 각 파이프라인 호출은 Workspace 내의 개별 [Table](/models/tables/)로 추적되며, 파이프라인 호출과 관련된 설정은 해당 run 의 설정 내 워크플로우 리스트에 추가됩니다. * 프롬프트, 네거티브 프롬프트, 그리고 생성된 미디어는 [`wandb.Table`](/models/tables/)에 로그됩니다. * 시드(seed) 및 파이프라인 아키텍처를 포함하여 실험과 관련된 모든 기타 설정은 run 의 설정 섹션에 저장됩니다. * 각 파이프라인 호출에 대해 생성된 미디어는 run 의 [미디어 패널](/models/track/log/media/)에도 로그됩니다. [지원되는 파이프라인 호출 목록](https://github.com/wandb/wandb/blob/main/wandb/integration/diffusers/autologger.py#L12-L72)을 확인할 수 있습니다. 이 인테그레이션에 대한 새로운 기능을 요청하거나 버그를 리포트하려면 [W\&B GitHub 이슈 페이지](https://github.com/wandb/wandb/issues)에 이슈를 생성해 주세요. ## 예제 ### Autologging 다음은 autolog 가 작동하는 간단한 엔드투엔드 예제입니다: ```python theme={null} import torch from diffusers import DiffusionPipeline # autolog 함수 임포트 from wandb.integration.diffusers import autolog # 파이프라인 호출 전에 autolog 호출 autolog(init=dict(project="diffusers_logging")) # Diffusion 파이프라인 초기화 pipeline = DiffusionPipeline.from_pretrained( "stabilityai/stable-diffusion-2-1", torch_dtype=torch.float16 ).to("cuda") # 프롬프트, 네거티브 프롬프트 및 시드 정의 prompt = ["a photograph of an astronaut riding a horse", "a photograph of a dragon"] negative_prompt = ["ugly, deformed", "ugly, deformed"] generator = torch.Generator(device="cpu").manual_seed(10) # 이미지를 생성하기 위해 파이프라인 호출 images = pipeline( prompt, negative_prompt=negative_prompt, num_images_per_prompt=2, generator=generator, ) ``` ```python theme={null} import torch from diffusers import DiffusionPipeline import wandb # autolog 함수 임포트 from wandb.integration.diffusers import autolog run = wandb.init() # 파이프라인 호출 전에 autolog 호출 autolog(init=dict(project="diffusers_logging")) # Diffusion 파이프라인 초기화 pipeline = DiffusionPipeline.from_pretrained( "stabilityai/stable-diffusion-2-1", torch_dtype=torch.float16 ).to("cuda") # 프롬프트, 네거티브 프롬프트 및 시드 정의 prompt = ["a photograph of an astronaut riding a horse", "a photograph of a dragon"] negative_prompt = ["ugly, deformed", "ugly, deformed"] generator = torch.Generator(device="cpu").manual_seed(10) # 이미지를 생성하기 위해 파이프라인 호출 images = pipeline( prompt, negative_prompt=negative_prompt, num_images_per_prompt=2, generator=generator, ) # 실험 종료 run.finish() ``` * 단일 실험 결과: 실험 결과 로깅 * 여러 실험 결과: 실험 결과 로깅 * 실험 설정(config): 실험 설정 로깅 IPython 노트북 환경에서 파이프라인 호출 후 코드를 실행할 때는 명시적으로 [`wandb.Run.finish()`](/models/ref/python/functions/finish) 를 호출해야 합니다. 파이썬 스크립트를 실행할 때는 필요하지 않습니다. ### 멀티 파이프라인 워크플로우 추적 이 섹션에서는 일반적인 [Stable Diffusion XL + Refiner](https://huggingface.co/docs/diffusers/using-diffusers/sdxl#base-to-refiner-model) 워크플로우와 함께 autolog 를 사용하는 방법을 보여줍니다. 이 워크플로우에서는 [`StableDiffusionXLPipeline`](https://huggingface.co/docs/diffusers/api/pipelines/stable_diffusion/stable_diffusion_xl) 에 의해 생성된 latents 가 해당 refiner 에 의해 정제됩니다. ```python theme={null} import torch from diffusers import StableDiffusionXLImg2ImgPipeline, StableDiffusionXLPipeline from wandb.integration.diffusers import autolog # SDXL base 파이프라인 초기화 base_pipeline = StableDiffusionXLPipeline.from_pretrained( "stabilityai/stable-diffusion-xl-base-1.0", torch_dtype=torch.float16, variant="fp16", use_safetensors=True, ) base_pipeline.enable_model_cpu_offload() # SDXL refiner 파이프라인 초기화 refiner_pipeline = StableDiffusionXLImg2ImgPipeline.from_pretrained( "stabilityai/stable-diffusion-xl-refiner-1.0", text_encoder_2=base_pipeline.text_encoder_2, vae=base_pipeline.vae, torch_dtype=torch.float16, use_safetensors=True, variant="fp16", ) refiner_pipeline.enable_model_cpu_offload() prompt = "a photo of an astronaut riding a horse on mars" negative_prompt = "static, frame, painting, illustration, sd character, low quality, low resolution, greyscale, monochrome, nose, cropped, lowres, jpeg artifacts, deformed iris, deformed pupils, bad eyes, semi-realistic worst quality, bad lips, deformed mouth, deformed face, deformed fingers, deformed toes standing still, posing" # 무작위성을 제어하여 실험을 재현 가능하게 만듭니다. # 시드는 자동으로 W&B에 로그됩니다. seed = 42 generator_base = torch.Generator(device="cuda").manual_seed(seed) generator_refiner = torch.Generator(device="cuda").manual_seed(seed) # Diffusers를 위한 W&B Autolog 호출. 프롬프트, 생성된 이미지, # 파이프라인 아키텍처 및 모든 관련 실험 설정을 W&B에 자동으로 로그하여 # 이미지 생성 실험을 쉽게 재현, 공유 및 분석할 수 있게 합니다. autolog(init=dict(project="sdxl")) # Latents를 생성하기 위해 base 파이프라인 호출 image = base_pipeline( prompt=prompt, negative_prompt=negative_prompt, output_type="latent", generator=generator_base, ).images[0] # 정제된 이미지를 생성하기 위해 refiner 파이프라인 호출 image = refiner_pipeline( prompt=prompt, negative_prompt=negative_prompt, image=image[None, :], generator=generator_refiner, ).images[0] ``` ```python theme={null} import torch from diffusers import StableDiffusionXLImg2ImgPipeline, StableDiffusionXLPipeline import wandb from wandb.integration.diffusers import autolog run = wandb.init() # SDXL base 파이프라인 초기화 base_pipeline = StableDiffusionXLPipeline.from_pretrained( "stabilityai/stable-diffusion-xl-base-1.0", torch_dtype=torch.float16, variant="fp16", use_safetensors=True, ) base_pipeline.enable_model_cpu_offload() # SDXL refiner 파이프라인 초기화 refiner_pipeline = StableDiffusionXLImg2ImgPipeline.from_pretrained( "stabilityai/stable-diffusion-xl-refiner-1.0", text_encoder_2=base_pipeline.text_encoder_2, vae=base_pipeline.vae, torch_dtype=torch.float16, use_safetensors=True, variant="fp16", ) refiner_pipeline.enable_model_cpu_offload() prompt = "a photo of an astronaut riding a horse on mars" negative_prompt = "static, frame, painting, illustration, sd character, low quality, low resolution, greyscale, monochrome, nose, cropped, lowres, jpeg artifacts, deformed iris, deformed pupils, bad eyes, semi-realistic worst quality, bad lips, deformed mouth, deformed face, deformed fingers, deformed toes standing still, posing" # 무작위성을 제어하여 실험을 재현 가능하게 만듭니다. # 시드는 자동으로 W&B에 로그됩니다. seed = 42 generator_base = torch.Generator(device="cuda").manual_seed(seed) generator_refiner = torch.Generator(device="cuda").manual_seed(seed) # Diffusers를 위한 W&B Autolog 호출. 프롬프트, 생성된 이미지, # 파이프라인 아키텍처 및 모든 관련 실험 설정을 W&B에 자동으로 로그하여 # 이미지 생성 실험을 쉽게 재현, 공유 및 분석할 수 있게 합니다. autolog(init=dict(project="sdxl")) # Latents를 생성하기 위해 base 파이프라인 호출 image = base_pipeline( prompt=prompt, negative_prompt=negative_prompt, output_type="latent", generator=generator_base, ).images[0] # 정제된 이미지를 생성하기 위해 refiner 파이프라인 호출 image = refiner_pipeline( prompt=prompt, negative_prompt=negative_prompt, image=image[None, :], generator=generator_refiner, ).images[0] # 실험 종료 run.finish() ``` * Stable Diffusion XL + Refiner 실험 예시: Stable Diffusion XL 실험 추적 ## 추가 자료 * [A Guide to Prompt Engineering for Stable Diffusion](https://wandb.ai/geekyrakshit/diffusers-prompt-engineering/reports/A-Guide-to-Prompt-Engineering-for-Stable-Diffusion--Vmlldzo1NzY4NzQ3) * [PIXART-α: A Diffusion Transformer Model for Text-to-Image Generation](https://wandb.ai/geekyrakshit/pixart-alpha/reports/PIXART-A-Diffusion-Transformer-Model-for-Text-to-Image-Generation--Vmlldzo2MTE1NzM3)