求无GPU环境下基于Stable Diffusion的Python图转图风格化Colab代码链接

一、Colab运行环境配置 #

• 打开Colab后，点击顶部菜单栏的「代码执行程序」→「更改运行时类型」，选择「GPU」作为硬件加速器，保存设置。

二、安装依赖库 #

运行以下代码安装所需工具包：

!pip install diffusers transformers accelerate safetensors gradio

三、图转图风格化核心代码 #

直接运行以下代码，它会加载预训练的Stable Diffusion模型，并生成可视化交互界面：

import torch
from diffusers import StableDiffusionImg2ImgPipeline
from PIL import Image
import gradio as gr

# 加载Stable Diffusion图转图模型，自动适配GPU
pipe = StableDiffusionImg2ImgPipeline.from_pretrained(
    "runwayml/stable-diffusion-v1-5",
    torch_dtype=torch.float16
).to("cuda")

# 定义图转图风格化函数
def img2img_style_transfer(input_image, prompt, strength=0.75, guidance_scale=7.5):
    # 调整图片尺寸以适配模型要求
    input_image = input_image.resize((512, 512))
    # 生成风格化图片
    output = pipe(
        prompt=prompt,
        image=input_image,
        strength=strength,
        guidance_scale=guidance_scale
    ).images[0]
    return output

# 创建可视化交互界面
with gr.Blocks() as demo:
    gr.Markdown("# Stable Diffusion 图转图风格化工具")
    with gr.Row():
        input_img = gr.Image(type="pil", label="上传原图")
        output_img = gr.Image(label="风格化结果")
    prompt = gr.Textbox(label="风格提示词", placeholder="示例：梵高星空油画风格，浓郁色彩，笔触纹理")
    with gr.Row():
        strength_slider = gr.Slider(minimum=0.1, maximum=1.0, value=0.75, label="风格强度（越高越偏离原图）")
        guidance_slider = gr.Slider(minimum=1.0, maximum=20.0, value=7.5, label="提示词权重（越高越贴合描述）")
    generate_btn = gr.Button("生成风格化图片")
    generate_btn.click(
        fn=img2img_style_transfer,
        inputs=[input_img, prompt, strength_slider, guidance_slider],
        outputs=output_img
    )

# 启动界面
demo.launch(debug=True)

四、使用步骤 #

1. 按顺序运行上述代码块，首次加载模型需要下载权重，耗时约5-10分钟，耐心等待。
2. 代码运行完成后，会生成一个带链接的交互界面（点击链接打开新窗口）。
3. 上传需要风格化的图片，输入具体的风格描述提示词（比如「赛博朋克都市风格，霓虹灯光，高对比度」「莫奈印象派，柔和光影，朦胧色彩」）。
4. 调整滑块参数：
   • 风格强度：值越接近1，输出和原图差异越大；越接近0，越保留原图结构。
   • 提示词权重：值越高，生成结果越贴合你输入的描述。
5. 点击生成按钮，等待3-10秒即可得到风格化后的图片。

注意事项 #

• 如果遇到显存不足报错，可尝试将模型替换为「CompVis/stable-diffusion-v1-4」，或者把图片尺寸改为256x256。
• 提示词越具体，生成结果越符合预期，建议结合风格流派、色彩、质感、场景等关键词。

内容的提问来源于stack exchange，提问作者DS Marktine