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