Ddpm Fake Icons

🚀 無條件圖標生成使用DDPM擴散模型

本項目利用DDPM擴散模型實現無條件圖標生成，通過特定的數據集訓練模型，為圖標生成提供了有效的解決方案。

🚀 快速開始

安裝必要的包

!python3 -m pip install diffusers==0.21.* accelerate

使用DDPM管道生成圖像

from matplotlib import pyplot as plt
from diffusers import DDPMPipeline

ddpm = DDPMPipeline.from_pretrained("mayur7garg/ddpm-fake-icons")
ddpm.to("cuda")

inference_image = ddpm(
    batch_size = 36,
    num_inference_steps = 1000
).images

plt.figure(figsize = (18, 18), dpi = 120)

for i, image in enumerate(inference_image):
    plt.subplot(6, 6, i + 1)
    plt.imshow(image)
    plt.axis(False)
plt.tight_layout()
plt.show()

✨ 主要特性

• 利用DDPM擴散模型實現無條件圖標生成。
• 基於特定數據集進行訓練，保證生成圖標的多樣性。

📦 安裝指南

安裝必要的包

!python3 -m pip install diffusers==0.21.* accelerate

💻 使用示例

基礎用法

from matplotlib import pyplot as plt
from diffusers import DDPMPipeline

ddpm = DDPMPipeline.from_pretrained("mayur7garg/ddpm-fake-icons")
ddpm.to("cuda")

inference_image = ddpm(
    batch_size = 36,
    num_inference_steps = 1000
).images

plt.figure(figsize = (18, 18), dpi = 120)

for i, image in enumerate(inference_image):
    plt.subplot(6, 6, i + 1)
    plt.imshow(image)
    plt.axis(False)
plt.tight_layout()
plt.show()

📚 詳細文檔

訓練使用的數據集

Kaggle - Icons-50

訓練參考代碼

Kaggle - Generating Fake Icons using DDPM Diffusion

圖像示例

📄 許可證

本項目採用MIT許可證。