Hugging Face와 Stable Diffusion을 활용한 생성형 AI 모델 사용법

1. Hugging Face의 생성형 텍스트 모델 활용하기

Hugging Face란?

Hugging Face는 다양한 자연어 처리(NLP) 모델을 제공하는 라이브러리로, 텍스트 생성, 번역, 요약, 질문-답변 등 다양한 작업을 수행할 수 있습니다. 대표적인 생성형 텍스트 모델로 GPT-2, GPT-3 등이 있습니다.

GPT-2 모델을 사용하여 텍스트 생성하기

1. 라이브러리 설치 및 불러오기

먼저 Hugging Face의 transformers 라이브러리를 설치하고, GPT-2 기반의 텍스트 생성 모델을 불러옵니다.

pip install transformers

from transformers import pipeline

# GPT-2 기반 텍스트 생성 파이프라인 로드
generator = pipeline("text-generation", model="gpt2")

# 텍스트 생성
generated_text = generator("Once upon a time", max_length=50, num_return_sequences=1)

# 결과 출력
print(generated_text[0]['generated_text'])

2. 코드 설명

• pipeline: Hugging Face의 기본 API를 사용하여 NLP 작업을 수행하는 객체입니다.
• max_length: 생성할 텍스트의 최대 길이를 지정합니다.
• num_return_sequences: 반환할 문장의 개수를 지정합니다.

이 코드를 실행하면, "Once upon a time"을 시작으로 이어지는 문장이 자동으로 생성됩니다.

OpenAI GPT-4o 모델 활용하기

Hugging Face 외에도 OpenAI의 GPT 모델을 API를 통해 활용할 수 있습니다.

1. 라이브러리 설치 및 API 키 설정

pip install openai

import os
os.environ["OPENAI_API_KEY"] = "<your OpenAI API key>"

2. GPT-4o 모델을 사용한 텍스트 생성

from openai import OpenAI

client = OpenAI()

completion = client.chat.completions.create(
  model="gpt-4o",
  messages=[
    {"role": "system", "content": "너는 환영 인사를 하는 인공지능이야, 농담을 넣어 재미있게 해줘"},
    {"role": "user", "content": "안녕?"}  
  ]
)

print("Assistant: " + completion.choices[0].message.content)

3. 코드 설명

• model: OpenAI에서 제공하는 GPT-4o 모델을 사용합니다.
• messages: 대화의 흐름을 설정하는 JSON 배열입니다.
• role: system은 모델의 동작을 정의하는 역할, user는 사용자의 입력을 나타냅니다.

이 코드를 실행하면, 사용자에게 환영 인사를 포함한 재치 있는 응답을 생성하는 챗봇을 만들 수 있습니다.

2. Stable Diffusion을 활용한 이미지 생성

Stable Diffusion이란?

Stable Diffusion은 텍스트 설명을 기반으로 이미지를 생성하는 딥러닝 모델로, 사실적인 이미지를 생성하는 데 강력한 성능을 보입니다.

Stable Diffusion 모델 로드 및 사용

1. 라이브러리 설치

pip install diffusers transformers torch

2. Stable Diffusion 모델을 사용한 이미지 생성

from diffusers import StableDiffusionPipeline
import torch

# Stable Diffusion 파이프라인 로드
pipe = StableDiffusionPipeline.from_pretrained("CompVis/stable-diffusion-v1-4", torch_dtype=torch.float16)
pipe = pipe.to("cuda")  # GPU 사용

# 텍스트 설명을 기반으로 이미지 생성
prompt = "A futuristic cityscape with flying cars at sunset"
image = pipe(prompt).images[0]

# 생성된 이미지 저장 및 출력
image.save("generated_image.png")
image.show()

3. 코드 설명

• StableDiffusionPipeline: Stable Diffusion 모델을 로드하는 객체입니다.
• prompt: 이미지 생성을 위한 텍스트 설명입니다.
• torch_dtype: float16을 사용하면 메모리를 절약할 수 있습니다.
• .to(“cuda”): GPU를 활용하여 연산 속도를 높입니다.

4. 이미지 생성 조정하기

Stable Diffusion을 활용하여 더 정교한 이미지 생성을 위해 파라미터를 조정할 수 있습니다.

image = pipe(prompt, guidance_scale=7.5, num_inference_steps=50).images[0]

• guidance_scale: 텍스트 설명을 이미지에 반영하는 정도를 조절합니다. 값이 높을수록 설명에 충실한 이미지가 생성됩니다.
• num_inference_steps: 이미지 생성 시 추론 단계를 지정합니다. 값이 클수록 이미지 품질이 높아지지만, 생성 시간이 증가합니다.