Stable Diffusion的魅力：苹果亲自下场优化，iPad、Mac上快速出图( 二 )

2026-05-06

这次发布的版本包括一个Python包，用于使用diffusers和coremltools将StableDiffusion模型从PyTorch转换到CoreML ，以及一个Swift包来部署模型。请访问CoreMLStableDiffusion代码存储库以启动，并获取关于基准测试和部署的详细说明。

文章图片
项目地址：https://github.com/apple/ml-stable-diffusion
项目介绍
整个代码库包括：python_coreml_stable_diffusion ，一个Python包，用于将PyTorch模型转换为CoreML格式，并使用Python版的HuggingFacediffusers执行图像生成；StableDiffusion ，一个Swift包，开发者可以把它作为依赖包添加到他们的Xcode项目中，在他们的应用程序中部署图像生成功能。 Swift包依赖于python_coreml_stable_diffusion生成的CoreML模型文件。
将模型转换为CoreML版本
步骤1：创建Python环境并安装依赖包：

文章图片
步骤2：登录或注册HuggingFace账户，生成用户访问令牌，并使用令牌通过在终端窗口运行huggingface-clilogin来设置HuggingFaceAPI访问。
步骤3：找到想在HuggingFaceHub上使用的StableDiffusion版本，接受使用条款。默认型号版本为“CompVis/stable-diffusion-v1-4” 。
步骤4：从终端执行以下命令生成CoreML模型文件(.mlpackage)
python-mpython_coreml_stable_diffusion.torch2coreml--convert-unet--convert-text-encoder--convert-vae-decoder--convert-safety-checker-o
M1MacBookPro一般需要15-20分钟。成功执行后，构成StableDiffusion的4个神经网络模型将从PyTorch转换为CoreML版(.mlpackage) ，并保存到指定的<output-mlpackages-directory>.
用Python生成图像
使用基于diffusers的示例Python管道运行文本到图像生成。
python-mpython_coreml_stable_diffusion.pipeline--prompt"aphotoofanastronautridingahorseonmars"-i-o--compute-unitALL--seed93
使用Swift生成图像
构建Swift项目需要：macOS13或更新版本安装了命令行工具的Xcode14.1或更新版本。 CoreML模型和tokenization资源。
如果将此模型部署到：iPhone:iOS16.2及以上版本和iPhone12及以上版本iPad:iPadOS16.2或更新版本和M1或更新版本Mac:macOS13.1或更新版本和M1或更新版本
Swift包包含两个产品：StableDiffusion库和StableDiffusionSample命令行工具。这两个产品都需要提供CoreML模型和tokenization资源。
性能基准测试
标准CompVis/stable-diffusion-v1-4基准。该基准测试由苹果公司在2022年11月使用iOS16.2、iPadOS16.2和macOS13.1的公开测试版进行。
针对macOS设备，执行的程序是python_coreml_stable_diffusion 。对于iOS和ipad设备，有一个建立在StableDiffusionSwift包上的最小Swift测试应用程序。
图像生成过程遵循标准配置：
50个推理步骤， 512x512输出图像分辨率， 77文本token序列长度，无分类器引导(unet批大小为2) 。

文章图片
参考文章：https://machinelearning.apple.com/research/stable-diffusion-coreml-apple-silicon返回搜狐，查看更多
责任编辑：

上一篇：对于我们日常所使用的笔记本电脑来说|acer笔记本触摸板没有反应，是什么原因造成的？

下一篇：新泰山众筹盲盒模式，如何提升企业的转化率和复购率？