Hugging Face | 个人使用笔记

一、网站介绍

模型和数据集都是开源的

搜索模型是默认按照趋势排序的

二、模型具体页面

三、调用API小练习

模型网站：flux-RealismLora

1.点击View Code 获取参考代码

2.创建一个python文件复制进一个代码编辑器

注意：需要补充最后一行保存代码

3.需要获得个人的hugging face的TOKEN

将 headers = {"Authorization": "Bearer hf_xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"}中的hf_xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx替换成上面的值

4.保存，运行

得到生成的图片

可能存在Runtime Error的问题，也不是一定会遇到，跟网络状况有关

5.写一个gradio页面，跟这个flux接口对接

# 大模型生成代码
import gradio as gr
import requests
import io
from PIL import Image

API_URL = "https://api-inference.huggingface.co/models/XLabs-AI/flux-RealismLora"
headers = {"Authorization": "Bearer hf_xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"}

def query(prompt):
    payload = {
        "inputs": prompt
    }
    response = requests.post(API_URL, headers=headers, json=payload, timeout=30, verify=False)
    if response.status_code == 200:
        image_bytes = response.content
        image = Image.open(io.BytesIO(image_bytes))
        return image
    else:
        return f"Error: {response.status_code} - {response.text}"

# Define the Gradio interface without enable_queue
iface = gr.Interface(
    fn=query,
    inputs="text",
    outputs="image",
    title="Image Generation with Flux Realism Lora",
    description="Enter a prompt to generate an image using the Flux Realism Lora model."
)

# Launch the Gradio app
iface.launch()

网页如图：

注意： 对于 Hugging Face API：

（1）图像生成模型通常返回图像的二进制数据：

image_bytes = query({
    "inputs": "Astronaut riding a horse",
})
image = Image.open(io.BytesIO(image_bytes))  # 将字节转换为图像

（2）其他类型的模型（如文本生成、情感分析等）可能返回 JSON 格式的响应，其中包含模型输出的详细信息：

response = requests.post(API_URL, headers=headers, json=payload)
json_response = response.json()  # 解析 JSON 响应

四、以后补充

个人学习笔记 来源：https://www.bilibili.com/list/watchlater?bvid=BV1Mr4MewEY5\&oid=113236728874981