كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةأكاديمية الوكلاء الذكيينمختبر أخلاقيات الذكاء الاصطناعي والعدالةساحة ألعاب الذكاء الاصطناعيعبقري الذكاء الاصطناعيمختبر التنبؤ بالسلاسل الزمنيةموسوعة أطر ومكتبات الذكاء الاصطناعيمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةموسوعة شبكات التعلم العميق الحديثةمختبر الشبكات العصبية البيانيةمختبر تحليل الصور الطبيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعيأكاديمية ماتلاب والذكاء الاصطناعيمصمم الشبكات العصبيةأكاديمية الذكاء الاصطناعي بدون برمجةمختبر الذكاء الاصطناعي الكمّي

Hugging Face Diffusers

🤗 Diffusers

مكتبة نماذج الانتشار (Diffusion) المدربة مسبقاً لتوليد الصور والصوت والفيديو، مع خطوط توليد ومجدولات قابلة للتبديل.

نشطةمتوسطv0.43.0Apache-2.0الذكاء الاصطناعي التوليدي

الوثائق الرسميةجرّب الأمثلة

المعلومات الأساسية

الاسمHugging Face Diffusers
الاسم الكامل🤗 Diffusers
التصنيفالذكاء الاصطناعي التوليدي
الجهة المطورةHugging Face
سنة الإطلاقغير محدد
الموقع الرسميgithub.com/huggingface/diffusers
مستودع GitHubhuggingface/diffusers
الوثائق الرسميةغير محدد
الحزمة على PyPIdiffusers
الترخيصApache-2.0 (PyPI license)
حالة المشروعنشطة صدر لها إصدار خلال آخر 12 شهراً
آخر إصدار12 نوفمبر 2026 (الإصدار 0.43.0)
لغة البرمجةPython
أنظمة التشغيلOS Independent (كما تعلنها الحزمة على PyPI)
إصدار Python المطلوب>=3.11.0
مستوى الصعوبةمتوسط

آخر تحقق من هذه البيانات: 21 نوفمبر 2026 — المصدر: PyPI JSON API (2026-11-21)

نظرة عامة

تفصل Diffusers بين الخطوط الجاهزة (Pipelines) والنماذج (UNet وTransformers) والمجدولات (Schedulers)، فيمكن تبديل كل جزء. وتدعم نماذج مثل Stable Diffusion وغيرها المنشورة على Hub، والضبط الدقيق عبر LoRA وDreamBooth.

تشغيل النماذج الكبيرة يحتاج GPU بذاكرة كافية، وتراخيص النماذج تختلف من نموذج لآخر فراجع بطاقة كل نموذج.

متى تختارها؟ اخترها لتوليد الصور برمجياً وتجربة نماذج الانتشار وضبطها.

الاستخدامات

الاستخدامات الرئيسية

  • توليد الصور من النص
  • تعديل الصور والإكمال
  • الضبط الدقيق بـ LoRA
  • تعليم نماذج الانتشار

المجالات العلمية

  • الذكاء الاصطناعي التوليدي
  • التصميم
  • البحث

أنواع المشاريع المناسبة

  • مولد صور بنمط مخصص

تطبيقات بحثية

  • تجارب على مجدولات ومعماريات الانتشار

نماذج الانتشار وتوليد الصور

الخصائص التقنية

تُعرض الخاصية «مدعومة» فقط إذا كانت موثقة في الوثائق الرسمية للمكتبة؛ وما لم نتحقق منه يظهر «غير محدد».

دعم المعالج المركزي (CPU)مدعومممكن لكنه بطيء جداً للنماذج الكبيرة.
دعم المعالج الرسومي (GPU)مدعوم
التوافق مع CUDAمدعوم
التدريب أو الحوسبة الموزعةجزئي أو عبر إضافة
الاشتقاق التلقائي (Autodiff)مدعومعبر PyTorch.
نشر النماذج (Deployment)جزئي أو عبر إضافة
نماذج مدربة مسبقاًمدعوم
أنواع البيانات المدعومةصور، نصوص، صوت، موترات
التكامل مع مكتبات أخرىPyTorch، Hugging Face Transformers، PEFT
المرونة (تقدير تحريري)عالية
الأداء (تقدير تحريري)يعتمد على GPU
المجتمع (تقدير تحريري)كبير
جودة التوثيق (تقدير تحريري)توثيق ممتاز

التثبيت والتشغيل

Shell
pip install diffusers

التوافق: Python >=3.11.0 — حسب بيانات الحزمة على PyPI، تحقق في 21 نوفمبر 2026

يُفضّل التثبيت داخل بيئة افتراضية (venv أو conda). وإذا احتجت توافقاً مع إصدار معين من CUDA أو نظام التشغيل فارجع إلى الوثائق الرسمية، لأن هذه المعلومات تتغير مع كل إصدار.

أمثلة برمجية

الأمثلة الموسومة «نُفّذ واختُبر» شُغّلت فعلياً وسُجّل مخرجها وتاريخ الاختبار وإصدارات المكتبات؛ وغيرها يحتاج GPU أو تنزيل نماذج فلم يُشغّل في بيئة الاختبار.

متوسطتوليد صورة من نص بـ Diffusersغير منفّذ

الهدف: تحميل خط انتشار وتوليد صورة.

Python — example.py
import torch
from diffusers import DiffusionPipeline

pipe = DiffusionPipeline.from_pretrained("stabilityai/stable-diffusion-2-1-base", torch_dtype=torch.float16)
pipe = pipe.to("cuda")
image = pipe("a watercolor painting of a robot reading a book", num_inference_steps=25).images[0]
image.save("robot.png")

شرح الكود

DiffusionPipeline.from_pretrained يحمّل كل مكونات النموذج (المشفر النصي وU-Net والمجدول وفك الترميز). يحتاج GPU وذاكرة كافية وتنزيل عدة جيجابايت، وبعض النماذج تتطلب قبول ترخيصها على Hugging Face. لم يُنفَّذ في بيئة الاختبار.

المتطلبات

Shell
pip install diffusers transformers accelerate torch

طريقة التشغيل

احفظ الكود في ملف example.py ثم شغّله:

Shell
python example.py

لم يُنفّذ هذا المثال في بيئة الاختبار: يحتاج GPU وتنزيل أوزان النموذج راجعه على وثائق المكتبة قبل الاعتماد عليه.

صفحة المثال
بحثيعملية الانتشار الأمامية بمجدول DDPMنُفّذ واختُبر

الهدف: رؤية كيف يضيف المجدول الضوضاء تدريجياً كما في ورقة DDPM.

Python — example.py
import torch
from diffusers import DDPMScheduler

torch.manual_seed(0)
sched = DDPMScheduler(num_train_timesteps=1000, beta_schedule="linear")
x0 = torch.randn(1, 3, 32, 32)
noise = torch.randn_like(x0)
for t in [0, 250, 500, 999]:
    xt = sched.add_noise(x0, noise, torch.tensor([t]))
    corr = torch.corrcoef(torch.stack([x0.flatten(), xt.flatten()]))[0, 1].item()
    print(f"t={t:4d}  sqrt(alpha_bar)={sched.alphas_cumprod[t].sqrt().item():.4f}  corr(x0,xt)={corr:.3f}")

شرح الكود

DDPMScheduler يحسب جدول β ومعاملات ᾱ_t. الدالة add_noise تطبق x_t = √ᾱ_t·x₀ + √(1−ᾱ_t)·ε. نقيس كم تبقى من الإشارة الأصلية عند خطوات مختلفة؛ هذا الجزء لا يحتاج أوزاناً مدربة.

المتطلبات

Shell
pip install diffusers torch

طريقة التشغيل

احفظ الكود في ملف example.py ثم شغّله:

Shell
python example.py

المخرجات المسجلة عند الاختبار

t=   0  sqrt(alpha_bar)=0.9999  corr(x0,xt)=1.000
t= 250  sqrt(alpha_bar)=0.7221  corr(x0,xt)=0.728
t= 500  sqrt(alpha_bar)=0.2789  corr(x0,xt)=0.293
t= 999  sqrt(alpha_bar)=0.0064  corr(x0,xt)=0.022

نُفّذ هذا المثال فعلياً واختُبر بتاريخ 21 نوفمبر 2026 على CPU — diffusers 0.43.0, torch 2.15.0, python 3.13.18

صفحة المثال

كل أمثلة Hugging Face Diffusers في مستكشف الأكواد

المزايا

  • تصميم معياري واضح
  • نماذج كثيرة على Hub

القيود

  • تتطلب GPU قوية للنماذج الكبيرة
  • تراخيص النماذج متباينة

المراجع والتحقق

سجل الإصدارات المتحقق منها

الإصدارتاريخ الإصدارتاريخ التحقق
0.43.012 نوفمبر 202621 نوفمبر 2026

آخر مراجعة لمعلومات الصفحة: 21 نوفمبر 2026. الوصف العربي مكتوب أصلياً للموسوعة وليس منقولاً من المواقع الرسمية.

أبلغ عن معلومة تحتاج تحديثاً