Create app.py

app.py

@@ -0,0 +1,109 @@
+import streamlit as st
+from diffusers import DiffusionPipeline
+import torch
+from PIL import Image
+import io
+import gc  # Import garbage collection
+
+# Заголовок приложения
+st.title("Генератор изображений с LCM Dreamshaper")
+st.write("Используйте эту модель для быстрой генерации изображений на CPU")
+
+# Создаем область для настроек
+with st.sidebar:
+    st.header("Настройки")
+    prompt = st.text_area("Введите ваш запрос:", "hoaxx kitty", height=100)
+    
+    num_inference_steps = st.slider(
+        "Количество шагов инференса:", 
+        min_value=1, 
+        max_value=50, 
+        value=5,
+        help="Больше шагов = выше качество, но медленнее"
+    )
+    
+    guidance_scale = st.slider(
+        "Guidance Scale:", 
+        min_value=1.0, 
+        max_value=15.0, 
+        value=8.0,
+        step=0.5,
+        help="Насколько строго модель следует промпту"
+    )
+    
+    lcm_origin_steps = st.slider(
+        "LCM Origin Steps:", 
+        min_value=1, 
+        max_value=50, 
+        value=35
+    )
+    
+    generate_button = st.button("Сгенерировать изображение")
+
+# Загружаем модель при первом запуске
+@st.cache_resource
+def load_model():
+    pipe = DiffusionPipeline.from_pretrained(
+        "SimianLuo/LCM_Dreamshaper_v7", 
+        torch_dtype=torch.float32
+    )
+    pipe.to("cpu")
+    pipe.enable_attention_slicing()
+    pipe.safety_checker = None
+    return pipe
+
+# Функция для генерации изображения
+def generate_image(pipe, prompt, steps, guidance, lcm_steps):
+    try:
+        with torch.inference_mode():
+            images = pipe(
+                prompt=prompt, 
+                num_inference_steps=steps, 
+                guidance_scale=guidance, 
+                lcm_origin_steps=lcm_steps, 
+                output_type="pil"
+            ).images
+        return images[0]
+    except Exception as e:
+        st.error(f"Error generating image: {e}")
+        return None
+
+# Загружаем модель
+pipe = load_model()
+
+# Отображаем прогресс и результат
+if generate_button:
+    with st.spinner("Генерация изображения..."):
+        # Создаем место для вывода изображения
+        result_container = st.empty()
+        
+        # Генерируем изображение
+        image = generate_image(
+            pipe, 
+            prompt, 
+            num_inference_steps, 
+            guidance_scale, 
+            lcm_origin_steps
+        )
+        
+        # Показываем результат
+        if image:  # Only display if image generation was successful
+            result_container.image(image, caption=f"Результат для: {prompt}", use_container_width=True)  # Use use_container_width
+            
+            # Предлагаем скачать
+            buf = io.BytesIO()
+            image.save(buf, format="PNG")
+            byte_im = buf.getvalue()
+            
+            st.download_button(
+                label="Скачать изображение",
+                data=byte_im,
+                file_name="generated_image.png",
+                mime="image/png"
+            )
+        
+        gc.collect()  # Garbage collection after image generation
+
+# Инструкции по использованию
+if not generate_button:
+    st.write("👈 Настройте параметры в боковой панели и нажмите 'Сгенерировать изображение'")