AI_Program9 のバックアップ(No.4)

私的AI研究会 > AI_Program3

生成 AI プログラミング３ == 編集中 == †

#ref(): File not found: "sd_037_512_m.jpg" at page "AI_Program2"

　これまで検証してきた結果をもとに、Python で生成 AI プログラムを書く

▲　目　次

生成 AI プログラミング３ == 編集中 ==
参考資料

※ 最終更新:2025/06/17　

↑

diffusersではじめめる Stable Diffusion （実践編） †

　画像生成のプログラムを書く

↑

Step 40：テキストから画像を生成する †

　基本のサンプル・コード

「sd_040.py」

## sd_040.py【SD1.5】　テキストから画像生成（txt2img）サンプル・ソースコード
##      Ver. 1.00   2025/06/16

import torch
from diffusers import StableDiffusionPipeline, logging
from translate import Translator

logging.set_verbosity_error()

# モデルのフォルダーのパス
model_path = "/StabilityMatrix/Data/Models/StableDiffusion/SD1.5/v1-5-pruned-emaonly.safetensors"        # モデル

# GPUを使う場合は"cuda" 使わない場合は"cpu"
device = 'cuda'

# seed 値
seed = 12345678

# パイプラインを作成
pipeline = StableDiffusionPipeline.from_single_file(model_path).to(device)

# プロンプト
trans = Translator('en','ja').translate
prompt_jp = '満開の蘭'                                                                                   # プロンプト
prompt = trans(prompt_jp)

# Generatorオブジェクト作成
generator = torch.Generator(device).manual_seed(seed)

print(f'Seed: {seed}, Model: {model_path}')
print(f'prompt : {prompt_jp} → {prompt}')

# 画像を生成
image = pipeline(
                    prompt=prompt,
                    num_inference_steps = 30,
                    guidance_scale = 7.5,
                    width = 512,
                    height = 512,
                    generator = generator,
                    ).images[0]
image.save("results/sd_040.png")                                                                     # 生成画像

プログラムを実行する（実行時間：約 3秒 RTX 4070 Ti 12GB）

(sd_test) PS > python sd_040.py

Fetching 11 files: 100%|████████████████████| 11/11 [00:00<00:00, 11048.21it/s]
Loading pipeline components...: 100%|████████████| 6/6 [00:00<00:00,  8.85it/s]
Seed: 12345678, Model: /StabilityMatrix/Data/Models/StableDiffusion/SD1.5/v1-5-pruned-emaonly.safetensors
prompt : 満開の蘭 → Orchid in full bloom
100%|██████████████████████████████████████████| 30/30 [00:03<00:00,  8.31it/s]

画像ファイル「sd_040.png」が生成される

↑

Step 41：　～コマンドラインからパラメータ入力～ †

主な機能
・

出力ファイルの保存場所とファイル名（--result_image ' デフォールト指定の時）
・「./sd_results」フォルダに保存される（無ければ作られる）
・ファイル名「sd_5桁の連番_シード値.png」

コマンドオプション一覧

コマンドオプション	引数	初期値	意味
--result_image	str	'./sd_results/sd.png'	保存するファイルパスとヘッダ名の指定
--cpu	bool	False	cpu mode.
--log	int	3	Log level(-1/0/1/2/3/4/5)
--model_path	str	'/StabilityMatrix/Data/Models/StableDiffusion/SD1.5/v1-5-pruned-emaonly.safetensors'	モデル・ファイルパス
--prompt	str	満開の蘭	画像生成のためのプロンプト（日本語/得t後）
--seed	int	-1	シード値（-1の時はランダムに生成）
--width	int	512	生成画像サイズの幅
--height	int	512	生成画像サイズの高さ
--step	int	30	生成ステップ数
--scale	float	7.5	ガイダンススケール値

コマンド実行例

#ref(): File not found: "sd_041_m.jpg" at page "AI_Program9"

(sd_test) PS > python sd_041.py

Stable Diffusion with diffusers(050)  Ver 0.00: Starting application...

   - result_image            :  ./sd_results/sd.png
   - cpu                     :  False
   - log                     :  3

   - model_path              :  /StabilityMatrix/Data/Models/StableDiffusion/SD1.5/v1-5-pruned-emaonly.safetensors
   - prompt                  :  満開の蘭
   - seed                    :  -1
   - width                   :  512
   - height                  :  512
   - step                    :  30
   - scale                   :  7.5

prompt: Orchid in full bloom
seed: 2008793823
Fetching 11 files: 100%|███████████████████████████████| 11/11 [00:00<?, ?it/s]
Loading pipeline components...: 100%|████████████| 6/6 [00:00<00:00,  9.50it/s]
100%|██████████████████████████████████████████| 30/30 [00:03<00:00,  8.17it/s]
result_file: ./sd_results/sd_00010_2272584812.png

processing start >>      2025/06/17 15:21:30
processing end >>        2025/06/17 15:21:39
processing time >>       0:00:09.063929

Finished.

モジュール・ソースコード

▼「sd_041.py」

# -*- coding: utf-8 -*-
##--------------------------------------------------
##  Stable Diffusion with diffusers(041)   Ver 0.01
##
##               2025.06.17 Masahiro Izutsu
##--------------------------------------------------
## sd_041.py
##  Ver 0.01    2025.06.17  SD1.5/SDXL 対応版

import warnings
warnings.simplefilter('ignore')

# Color Escape Code
GREEN = '\033[1;32m'
RED = '\033[1;31m'
NOCOLOR = '\033[0m'
YELLOW = '\033[1;33m'
CYAN = '\033[1;36m'
BLUE = '\033[1;34m'

from torch.cuda import is_available
gpu_d = is_available()                                          # GPU 確認

# インポート＆初期設定
import os
import argparse
import glob
import re
import random
import torch
from diffusers import StableDiffusionPipeline, logging          # SD1.5
from diffusers import StableDiffusionXLPipeline, logging        # SDXL
from translate import Translator

import my_logging

logging.set_verbosity_error()                                   # 不要なエラー出力の抑制

# 定数定義
DEF_RESULT_IMAGE = './sd_results/sd.png'
DEF_MODEL_PATH = '/StabilityMatrix/Data/Models/StableDiffusion/SD1.5/v1-5-pruned-emaonly.safetensors'
#DEF_MODEL_PATH = '/StabilityMatrix/Data/Models/StableDiffusion/sd_xl_base_1.0.safetensors'
DEF_SEED = -1
DEF_PROMPT = '満開の蘭'
DEF_STEP = 30
DEF_SCALE = 7.5
DEF_WIDTH = 512
DEF_HEIGHT = 512

# タイトル
title = 'Stable Diffusion with diffusers(050)  Ver 0.00'

# Parses arguments for the application
def parse_args():
    parser = argparse.ArgumentParser()
    parser.add_argument("--result_image", default = DEF_RESULT_IMAGE, help = "path to output image file")
    parser.add_argument("--cpu", dest = "cpu", action = "store_true", help = "cpu mode.")
    parser.add_argument('--log', metavar = 'LOG', default = '3', help = 'Log level(-1/0/1/2/3/4/5) Default value is \'3\'')

    parser.add_argument("--model_path", default = DEF_MODEL_PATH, help = "Model Path")
    parser.add_argument("--prompt", default = DEF_PROMPT, help = "Prompt text")
    parser.add_argument("--seed", default = DEF_SEED, help = "Seed parameter (-1 = rundom")
    parser.add_argument("--width", default = DEF_WIDTH, help = "image size width")
    parser.add_argument("--height", default = DEF_HEIGHT, help = "image size height")
    parser.add_argument("--step", default = DEF_STEP, help = "infer step")
    parser.add_argument("--scale", default = DEF_SCALE, help = "gaidanse scale")
    return parser

# 基本情報の表示
def display_info(opt, title):
    print('\n' + GREEN + title + ': Starting application...' + NOCOLOR)
    print('\n   - ' + YELLOW + 'result_image            : ' + NOCOLOR, opt.result_image)
    print('   - ' + YELLOW + 'cpu                     : ' + NOCOLOR, opt.cpu)
    print('   - ' + YELLOW + 'log                     : ' + NOCOLOR, opt.log)

    print('\n   - ' + YELLOW + 'model_path              : ' + NOCOLOR, opt.model_path)
    print('   - ' + YELLOW + 'prompt                  : ' + NOCOLOR, opt.prompt)
    print('   - ' + YELLOW + 'seed                    : ' + NOCOLOR, opt.seed)
    print('   - ' + YELLOW + 'width                   : ' + NOCOLOR, opt.width)
    print('   - ' + YELLOW + 'height                  : ' + NOCOLOR, opt.height)
    print('   - ' + YELLOW + 'step                    : ' + NOCOLOR, opt.step)
    print('   - ' + YELLOW + 'scale                   : ' + NOCOLOR, opt.scale)
    print(' ')


# フォルダ内で連番のファイル名を得る（ヘッダ + 連番 で検索）
#   in:     filename    ヘッダー名.拡張子
#           seq_digit   連番桁数
#           ex          追加文字列
#   out:    新しいファイル名

def make_filename_by_seq(dirname, filename, seq_digit = 3, ex = ''):
    filename_without_ext, ext = os.path.splitext(filename)
    pattern = f"{filename_without_ext｝_([0-9]*){ext｝"
    prog = re.compile(pattern)
    files = glob.glob(
        os.path.join(dirname, f"{filename_without_ext｝_[0-9]*{ext｝")
    )

    max_seq = -1
    kn = len(filename_without_ext) + seq_digit + 1                  # ヘッダ + 連番桁数 + 1 (_)
    for f in files:
        fn0, _ = os.path.splitext(os.path.basename(f))
        fn1 = fn0[: min(len(fn0), kn)] + ext
        m = prog.match(os.path.basename(fn1))                       # ファイル名 kn まで比較
        if m:
            max_seq = max(max_seq, int(m.group(1)))

    new_filename = f"{filename_without_ext｝_{max_seq+1:0{seq_digit｝｝_{ex｝{ext｝"
    
    return new_filename

# モデルを調べる（SD1.5 モデルは SD1.5/フォルダ内にある前提）
#   in:     model       モデル名
#   out:    bool        True = SD1.5, False = SDXL
def is_sd15(model):
    return ('SD1.5' in model)

# 画像生成
def image_generation(model, prompt, seed, num_inference_steps = 50, guidance_scale = 7.0, width = 512, height = 512, device = 'cpu'):
    # パイプラインを作成
    if is_sd15(model):
        pipeline = StableDiffusionPipeline.from_single_file(model).to(device)
    else:
        pipeline = StableDiffusionXLPipeline.from_single_file(model, torch_dtype = torch.float16).to(device)

    # Generatorオブジェクト作成
    generator = torch.Generator(device).manual_seed(seed)

    # 画像を生成
    img = pipeline(
                    prompt = prompt,
                    num_inference_steps = num_inference_steps,
                    guidance_scale = guidance_scale,
                    width = width,
                    height = height,
                    generator = generator
                    ).images[0]
    return img

# メモリー開放
def device_empty_cache(device):
    if device == 'cuda':
        torch.cuda.empty_cache()
    elif device == 'mps':
        torch.mps.empty_cache()


# ** main関数 **
def main(opt):
    # パラメータ設定
    device = 'cpu' if opt.cpu else 'cuda'
    logger.debug(f'device: {device｝')                               # デバイス設定

    result_path = os.path.dirname(opt.result_image)
    result_file = os.path.basename(opt.result_image)
    logger.debug(f'result_path: {result_path｝')
    os.makedirs(result_path, exist_ok = True)                       # 出力フォルダ

    if len(opt.prompt) != len(opt.prompt.encode('utf-8')):          # プロンプト
        trans = Translator('en','ja').translate
        prompt = trans(opt.prompt)
    else:
        prompt = opt.prompt
    logger.info(f'prompt: {prompt｝')

    model_path = opt.model_path
    width = int(opt.width)
    height = int(opt.height)

    if not is_sd15(model_path) and (width < 1024 or height < 1024):
        width = width * 2
        height = height * 2
    logger.info(f'size: {width｝, {height｝')

    seed = int(opt.seed)
    if seed == -1:                                                  # ランダムなシード値を決める
        seed = random.randint(0, 2**32-1)
    logger.info(f'seed: {seed｝')

    num_inference_steps = int(opt.step)
    guidance_scale = float(opt.scale)

    # 画像生成
    image = image_generation(model_path, prompt, seed, num_inference_steps, guidance_scale, width, height, device)
    filename = result_path + '/' + make_filename_by_seq(result_path, result_file, seq_digit = 5, ex = seed)
    image.save(filename)
    logger.info(f'result_file: {filename｝')


# main関数エントリーポイント(実行開始)
if __name__ == "__main__":
    import datetime

    parser = parse_args()
    opt = parser.parse_args()

    if not opt.cpu and not gpu_d:
        opt.cpu = True

    # アプリケーション・ログ設定
    module = os.path.basename(__file__)
    module_name = os.path.splitext(module)[0]
    logger = my_logging.get_module_logger_sel(module_name, int(opt.log))

    display_info(opt, title)

    start_time = datetime.datetime.now()        # 時間計測開始

    main(opt)

    # 経過時間
    end_time = datetime.datetime.now()
    print(start_time.strftime('\nprocessing start >>\t %Y/%m/%d %H:%M:%S'))
    print(end_time.strftime('processing end >>\t %Y/%m/%d %H:%M:%S'))
    print('processing time >>\t', end_time - start_time)

    logger.info('\nFinished.\n')

　※ 上記ソースコードは表示の都合上、半角コード '}' が全角 '｝'になっていることに注意

↑

Step 42：　～ GUI プログラム～ †

↑

Step 50：画像から画像を生成する †

　基本のサンプル・コード

img2img 画像から画像生成

「sd_img2img.py」

## sd_img2img.py【SD1.5】　画像から画像生成（img2img）サンプル・ソースコード
##      Ver. 1.00   2025/06/16

import torch
from PIL import Image
from diffusers import StableDiffusionImg2ImgPipeline,DPMSolverMultistepScheduler, logging
from translate import Translator

logging.set_verbosity_error()

# モデルフォルダーのパス
model_path = "/StabilityMatrix/Data/Models/StableDiffusion/SD1.5/v1-5-pruned-emaonly.safetensors"       # モデル
image_path = "images/kamo.jpg"                                                                          # 元画像

# GPUを使う場合は"cuda" 使わない場合は"cpu"
device = 'cuda'

# seed 値
seed = 12345678

# パイプラインを作成
pipeline = StableDiffusionImg2ImgPipeline.from_single_file(
                    model_path,
                    torch_dtype = torch.float16,
                    ).to(device)

# スケジューラ設定
pipeline.scheduler = DPMSolverMultistepScheduler.from_config(pipeline.scheduler.config)

# プロンプト
trans = Translator('en','ja').translate
prompt_jp = '兎'                                                                                      # プロンプト
prompt = trans(prompt_jp)
src_image = Image.open(image_path)

# Generatorオブジェクト作成
generator = torch.Generator(device).manual_seed(seed)

print(f'Seed: {seed}, Model: {model_path}')
print(f'prompt : {prompt_jp} → {prompt}')

# 画像を生成
image = pipeline(
                    prompt = prompt,
                    image = src_image,
                    num_inference_steps = 30,
                    guidance_scale = 7,
                    strength = 0.6,
                    generator = generator
                    ).images[0]

image.save("results/sd_img2img.png")                                                                    # 生成画像

プログラムを実行する（実行時間：約 5秒 RTX 4070 Ti 12GB）

(sd_test) PS > python sd_img2img.py

Fetching 11 files: 100%|███████████████████████████████| 11/11 [00:00<?, ?it/s]
Loading pipeline components...: 100%|████████████| 6/6 [00:01<00:00,  3.51it/s]
Seed: 12345678, Model: /StabilityMatrix/Data/Models/StableDiffusion/SD1.5/v1-5-pruned-emaonly.safetensors
prompt : 兎 → Domestic Rabbit
100%|██████████████████████████████████████████| 18/18 [00:04<00:00,  3.78it/s]
(sd_test) PS D:\anaconda_win\workspace_3\sd_test> python sd_037.py