Update app.py

app.py

@@ -2,21 +2,18 @@ import gradio as gr
 from diffusers import DiffusionPipeline
 import torch
 #für die komplexere Variante der Erzeugung
-#from diffusers import DDPMScheduler, UNet2DModel
-#from PIL import Image
-#import numpy as np
+from diffusers import DDPMScheduler, UNet2DModel
+from PIL import Image
+import numpy as np
 
 
-#######################################
-#Alternativ erzeugen
-#gr.Interface.load("models/stabilityai/stable-diffusion-2").launch()
-
+##############################################
+#Hilfsfunktionen
+##############################################
 
 #######################################
 #Bild nach dem eingegebenen prompt erzeugen - mit Pipeline
 def erzeuge_1(prompt):
-    pipeline = DiffusionPipeline.from_pretrained("stabilityai/stable-diffusion-2")
-    pipeline.to("cuda")
     return pipeline(prompt).images[0]
 
 ########################################
@@ -41,7 +38,26 @@ def erzeuge(prompt):
     image = Image.fromarray((image * 255).round().astype("uint8"))
     return image
 
+######################################################
+#Modelle laden
+#######################################
+#Alternativ erzeugen
+#gr.Interface.load("models/stabilityai/stable-diffusion-2").launch()
+
+#######################################
+#Alternativ: Model über pipeline laden
+#pipeline = DiffusionPipeline.from_pretrained("stabilityai/stable-diffusion-2")
+#pipeline.to("cuda")
+
+########################################
+#Alternativ: Bild erzeugen - nicht über Pipeline sondern mit mehr Einstellungsmöglichkeiten  
+scheduler = DDPMScheduler.from_pretrained("google/ddpm-cat-256")
+model = UNet2DModel.from_pretrained("google/ddpm-cat-256").to("cuda")
+
 
+######################################################
+#Gradio UI erzeugen
+######################################################
 with gr.Blocks() as demo:
     with gr.Column(variant="panel"):
         with gr.Row(variant="compact"):