توليد الصور باستخدام نماذج الانتشار المستقر - كتاب الذكاء الإصطناعي - الصف 12 - الفصل 1 - المملكة العربية السعودية

حقق كل من نموذج الشبكة التوليدية التنافسية ونموذج الانتشار المستقر نتائج مبهرة في مجال توليد الصور، ويركز الجزء المتبقي من هذا الدرس على تقديم أمثلة عملية بالبايثون على النهج القائم على الانتشار (Diffusion-Based) والذي يُعدّ حاليًا أحدث ما توصلت إليه التقنية. كما تم التوضيح من قبل، يُعدّ توليد الصور مهمة حاسوبية، ولذلك نوصيك بشدة بأن تطبق جميع أمثلة البايثون على نظام قوقل كولاب الأساسي أو أي بنية أساسية مختلفة تدعمها وحدة معالجة رسومات يكون لديك حق الوصول إليها. يستخدم هذا الفصل مكتبة diffusers التي تُعدّ حاليًا أفضل مكتبة مفتوحة المصدر للنماذج القائمة على الانتشار، ويقوم المقطع البرمجي التالي بتثبيت المكتبة، وكذلك بعض المكتبات الإضافية المطلوبة:

%capture !pip install diffusers !pip install transformers !pip install accelerate import matplotlib.pyplot as plt from PIL import Image # used to represent images

توليد الصورة من نص

يوضح هذا القسم الطريقة التي يمكن بها استخدام مكتبة diffusers لتوليد صور تعتمد على التوجيه النصي الذي يقدمه المستخدم، وتستخدم الأمثلة الواردة في هذا القسم نموذج stable-diffusion-v1-4 (الانتشار- المستقر - الإصدار 4-1 )، وهو نموذج شائع مدرب مسبقًا لتوليد الصورة من نص.

# a tool used to generate images using stable diffusion from diffusers import DiffusionPipeline generator = DiffusionPipeline.from_pretrained("CompVis/stable-diffusion-v1-4") # specifies what GPUs should be used for this generation generator.to("cuda") image = generator("A photo of a white lion in the jungle.").images[0] plt.imshow(image);

A photo of a white lion in the jungle يستجيب النموذج للتوجيه (صورة أسد أبيض في الغابة) بصورة مبهرة وواقعية جدًا، كما هو موضح في الشكل 4.29. ويُعدّ التجريب باستخدام التوجيهات الإبداعية هو أفضل طريقة لاكتساب الخبرة وفهم قدرات هذا النهج ونقاط ضعفه.

معمارية أجهزة الحاسب الموحد (Compute Unified Device Architecture - CUDA) هي منصة حوسبة موازية تتيح استخدام وحدات معالجة الرسومات (GPUs).

وزارة التعليم Ministry of Education 2025 - 1447

240

حقق كل من نموذج الشبكة التوليدية التنافسية ونموذج الانتشار المستقر نتائج مبهرة في مجال توليد الصور، ويركز الجزء المتبقي من هذا الدرس على تقديم أمثلة عملية بالبايثون على النهج القائم على الانتشار (Diffusion-Based) والذي يُعدّ حاليًا أحدث ما توصلت إليه التقنية. كما تم التوضيح من قبل، يُعدّ توليد الصور مهمة حاسوبية، ولذلك نوصيك بشدة بأن تطبق جميع أمثلة البايثون على نظام قوقل كولاب الأساسي أو أي بنية أساسية مختلفة تدعمها وحدة معالجة رسومات يكون لديك حق الوصول إليها. يستخدم هذا الفصل مكتبة diffusers التي تُعدّ حاليًا أفضل مكتبة مفتوحة المصدر للنماذج القائمة على الانتشار، ويقوم المقطع البرمجي التالي بتثبيت المكتبة، وكذلك بعض المكتبات الإضافية المطلوبة:%capture !pip install diffusers !pip install transformers !pip install accelerate import matplotlib.pyplot as plt from PIL import Image # used to represent images--- SECTION: توليد الصورة من نص --- توليد الصورة من نص يوضح هذا القسم الطريقة التي يمكن بها استخدام مكتبة diffusers لتوليد صور تعتمد على التوجيه النصي الذي يقدمه المستخدم، وتستخدم الأمثلة الواردة في هذا القسم نموذج stable-diffusion-v1-4 (الانتشار- المستقر - الإصدار 4-1 )، وهو نموذج شائع مدرب مسبقًا لتوليد الصورة من نص.# a tool used to generate images using stable diffusion from diffusers import DiffusionPipeline generator = DiffusionPipeline.from_pretrained("CompVis/stable-diffusion-v1-4") # specifies what GPUs should be used for this generation generator.to("cuda")image = generator("A photo of a white lion in the jungle.").images[0] plt.imshow(image);A photo of a white lion in the jungle يستجيب النموذج للتوجيه (صورة أسد أبيض في الغابة) بصورة مبهرة وواقعية جدًا، كما هو موضح في الشكل 4.29. ويُعدّ التجريب باستخدام التوجيهات الإبداعية هو أفضل طريقة لاكتساب الخبرة وفهم قدرات هذا النهج ونقاط ضعفه.--- SECTION: معلومة --- معمارية أجهزة الحاسب الموحد (Compute Unified Device Architecture - CUDA) هي منصة حوسبة موازية تتيح استخدام وحدات معالجة الرسومات (GPUs).2025 - 1447--- VISUAL CONTEXT --- **IMAGE**: شكل 4.29: صورة مولدة لأسد أبيض في الغابة Description: A generated image of a white lion standing on a rock in a jungle setting. The lion is facing forward, looking towards the viewer, with green foliage and trees in the background. The image demonstrates the output of a text-to-image generation model. Context: This image serves as a visual example of the output produced by the 'Text-to-Image Generation' process using the `stable-diffusion-v1-4` model, based on the text prompt 'A photo of a white lion in the jungle.' It illustrates the model's capability to generate realistic and impressive visuals from textual descriptions.