【黑森林官方墙裂推荐】FLUX.1-Redux-dev：释放创造的可能性

最新推荐文章于 2025-03-21 10:30:09 发布

吴脑的键客

最新推荐文章于 2025-03-21 10:30:09 发布

阅读量2.3k

点赞数 8

分类专栏： AI作画文章标签： AI作画人工智能

本文链接：https://blog.csdn.net/weixin_41446370/article/details/144233871

版权

AI作画专栏收录该内容

109 篇文章

订阅专栏

你准备好将图像编辑提升到新的水平了吗？FLUX.1 Redux [dev]是一款强大的工具，它彻底改变了您探索和创建图像变化的方式。有了这款创新的适配器，你可以将图像转化为独一无二的杰作，同时保持原有的精髓。

FLUX.1 Redux [dev] 的强大功能

FLUX.1 Redux [dev] 是专为 FLUX.1 文本到图像基础模型 FLUX.1 [dev] 和 FLUX.1 [schnell] 设计的适配器。它通过提供一个简单而有效的过程，使用户能够生成迷人的图像变化。只需输入图像并描述所需的变化，就能让奇迹发生！该模型将创建新版本，确保原图像的核心元素保持不变，同时融入你的创意构想。

在这里插入图片描述

轻松进行创意探索

无论你是迭代概念的设计师，还是探索新方向的艺术家，FLUX.1 Redux [dev] 都是你的完美伴侣。它简化了创作过程，让你可以毫不费力地尝试不同的风格、色彩和构图。想象一下，只需点击几下，就能生成高质量的变体！

可访问性与集成

根据 Flux Dev License，FLUX.1 Redux [dev] 的模型权重和代码可随时在 Hugging Face 上获取。该资源库 https://huggingface.co/black-forest-labs/FLUX.1-Redux-dev 为开发人员提供了将这一强大工具集成到其项目中的所有必要资源。只需输入 a1b3bdcb4bdc58ce04874b9ca776d61fc3e914bb6beab41efb63e4e2694dca45 的 sha256sum，您就可以访问并使用这一令人难以置信的技术。

互动采样

对于那些急于进入 FLUX.1 Redux [dev] 世界的人来说，交互式采样只需一个命令。通过运行 python -m src.flux.cli_redux --loop --name ，其中 name 可以是 flux-dev 或 flux-schnell，你就可以亲身体验这个适配器的强大功能。

在这里插入图片描述

示例

官方示例

import torch
from diffusers import FluxPriorReduxPipeline, FluxPipeline
from diffusers.utils import load_image

pipe_prior_redux = FluxPriorReduxPipeline.from_pretrained("black-forest-labs/FLUX.1-Redux-dev", torch_dtype=torch.bfloat16).to("cuda")
pipe = FluxPipeline.from_pretrained(
    "black-forest-labs/FLUX.1-dev" , 
    text_encoder=None,
    text_encoder_2=None,
    torch_dtype=torch.bfloat16
).to("cuda")

image = load_image("https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/robot.png")
pipe_prior_output = pipe_prior_redux(image)
images = pipe(
    guidance_scale=2.5,
    num_inference_steps=50,
    generator=torch.Generator("cpu").manual_seed(0),
    **pipe_prior_output,
).images
images[0].save("flux-dev-redux.png")

Out of memory，很好的开始，准备排爆！！！

import torch
from diffusers import FluxPriorReduxPipeline, FluxPipeline
from diffusers.utils import load_image
device = "cuda"
dtype = torch.bfloat16

repo_redux = "black-forest-labs/FLUX.1-Redux-dev"
repo_base = "black-forest-labs/FLUX.1-dev" 
pipe_prior_redux = FluxPriorReduxPipeline.from_pretrained(repo_redux, torch_dtype=dtype).to(device)
# pipe_prior_redux.enable_model_cpu_offload() # 这里我发现有两个Pipeline，但是不建议用 cpu offload
image = load_image("https://hf-mirror.com/datasets/YiYiXu/testing-images/resolve/main/style_ziggy/img5.png")

pipe_prior_output = pipe_prior_redux(image)

# pipe_prior_output 变量赋值后，直接用 GC 和 cuda.empty_cache() 回收显存
import gc
del pipe_prior_redux
gc.collect()
torch.cuda.empty_cache()

pipe = FluxPipeline.from_pretrained(
    repo_base, 
    text_encoder=None,
    text_encoder_2=None,
    torch_dtype=torch.bfloat16
).to(device)

pipe.enable_sequential_cpu_offload() # FluxPipeline模型巨大用 cpu offload 减轻显存压力
# pipe.vae.enable_slicing()
# pipe.vae.enable_tiling()

images = pipe(
    guidance_scale=2.5,
    num_inference_steps=50,
    generator=torch.Generator("cpu").manual_seed(0),
    **pipe_prior_output,
).images

images[0].save("flux-redux.png")