اجرای Stable Diffusion در Jupyter Notebook

🧠 مقدمه

در حالی که ابزارهایی مثل ComfyUI برای ساخت workflowهای بصری عالی هستند، گاهی نیاز دارید مستقیماً با کد Python کار کنید.

مثلاً برای:

• تولید دسته‌ای تصاویر (Batch Generation)
• آزمایش سریع مدل‌های جدید
• ساخت اسکریپت‌های خودکار
• یا ادغام Stable Diffusion در یک پروژه بزرگ‌تر

در این آموزش یاد می‌گیریم چگونه Stable Diffusion را در Jupyter Notebook اجرا کنیم و اولین تصویر خود را با Python تولید کنیم.

این روش از کتابخانه رسمی Diffusers از HuggingFace استفاده می‌کند که یکی از محبوب‌ترین ابزارها برای کار با مدل‌های diffusion است.

⚙️ مرحله ۱: نصب کتابخانه‌های مورد نیاز

اگر در آموزش قبلی Jupyter را نصب کرده‌ای، فقط کافی است پکیج‌های زیر را نصب کنی.

در یک سلول Notebook اجرا کن:

!pip install diffusers transformers accelerate safetensors torch torchvision pillow

این پکیج‌ها شامل:

⚡ مرحله ۲: بررسی GPU

قبل از اجرای مدل، بهتر است مطمئن شویم GPU در دسترس است.

در یک سلول جدید:

import torch

print("CUDA Available:", torch.cuda.is_available())

if torch.cuda.is_available():
    print("GPU:", torch.cuda.get_device_name(0))

اگر خروجی True باشد، یعنی Stable Diffusion روی GPU اجرا خواهد شد.

📦 مرحله ۳: لود کردن مدل Stable Diffusion

حالا می‌توانیم مدل را از HuggingFace لود کنیم.

from diffusers import StableDiffusionPipeline
import torch

model_id = "runwayml/stable-diffusion-v1-5"

pipe = StableDiffusionPipeline.from_pretrained(
    model_id,
    torch_dtype=torch.float16
)

pipe = pipe.to("cuda")

در اولین اجرا ممکن است دانلود مدل چند دقیقه طول بکشد.

مدل بعداً در کش سیستم ذخیره می‌شود.

🎨 مرحله ۴: تولید اولین تصویر

حالا یک prompt ساده می‌نویسیم و تصویر تولید می‌کنیم.

prompt = "a futuristic cyberpunk city at night, neon lights, ultra detailed"

image = pipe(
    prompt,
    num_inference_steps=30,
    guidance_scale=7.5
).images[0]

image

Jupyter تصویر را مستقیماً در خروجی سلول نمایش می‌دهد.

💾 مرحله ۵: ذخیره تصویر

برای ذخیره خروجی:

image.save("generated_image.png")

تصویر در همان پوشه Notebook ذخیره می‌شود.

🧪 مرحله ۶: استفاده از Negative Prompt

برای کنترل بهتر خروجی می‌توان از negative prompt استفاده کرد.

prompt = "portrait of a fantasy warrior, cinematic lighting"
negative_prompt = "blurry, low quality, distorted"

image = pipe(
    prompt,
    negative_prompt=negative_prompt,
    num_inference_steps=30,
    guidance_scale=8
).images[0]

image

🔁 مرحله ۷: تولید چند تصویر (Batch Generation)

گاهی می‌خواهیم چند تصویر مختلف از یک prompt تولید کنیم.

prompt = "ancient temple in a jungle, cinematic lighting"

images = pipe(
    prompt,
    num_images_per_prompt=4,
    num_inference_steps=30
).images

for i, img in enumerate(images):
    img.save(f"output_{i}.png")

این کد چهار تصویر مختلف تولید می‌کند.

📂 مرحله ۸: تولید تصاویر از لیست Prompt

اگر بخواهی چندین prompt را پشت سر هم اجرا کنی:

prompts = [
    "a futuristic robot portrait",
    "a fantasy castle on a mountain",
    "an astronaut riding a horse"
]

for i, prompt in enumerate(prompts):
    image = pipe(prompt).images[0]
    image.save(f"prompt_{i}.png")

این روش برای:

• ساخت dataset
• تست مدل
• تولید مجموعه‌ای از تصاویر

خیلی مفید است.

⚙️ نکات بهینه‌سازی برای GPU ضعیف

اگر VRAM کارت گرافیک کم است، می‌توان چند بهینه‌سازی انجام داد.

مثال:

pipe.enable_attention_slicing()

🧭 Jupyter در مقابل ComfyUI

بسیاری از کاربران حرفه‌ای از هر دو ابزار همزمان استفاده می‌کنند.