# توليد الصور غير المشروط

توليد الصور غير المشروط ينتج صورًا تبدو كعينة عشوائية من بيانات التدريب التي تم تدريب النموذج عليها، وذلك لأن عملية إزالة الضوضاء لا تُوجَّه بأي سياق إضافي مثل النص أو الصورة.

للبدء، استخدم [DiffusionPipeline](/docs/diffusers/main/ar/api/pipelines/overview#diffusers.DiffusionPipeline) لتحميل نقطة التفتيش [anton-l/ddpm-butterflies-128](https://huggingface.co/anton-l/ddpm-butterflies-128) لتوليد صور لفراشات. يقوم [DiffusionPipeline](/docs/diffusers/main/ar/api/pipelines/overview#diffusers.DiffusionPipeline) بتنزيل جميع مكونات النموذج المطلوبة لتوليد صورة وتخزينها مؤقتًا.

```py
from diffusers import DiffusionPipeline

generator = DiffusionPipeline.from_pretrained("anton-l/ddpm-butterflies-128").to("cuda")  # or "mps", "xpu", "cpu"
image = generator().images[0]
image
```

> [!TIP]
> هل تريد توليد صور لموضوع آخر؟ اطّلع على [دليل التدريب](../training/unconditional_training) لمعرفة كيفية تدريب نموذج لتوليد صورك الخاصة.

الصورة الناتجة هي كائن [`PIL.Image`](https://pillow.readthedocs.io/en/stable/reference/Image.html?highlight=image#the-image-class) يمكن حفظه:

```py
image.save("generated_image.png")
```

يمكنك أيضًا تجربة إجراء تجارب على معامل `num_inference_steps`، الذي يتحكم في عدد خطوات إزالة الضوضاء. عادةً ما تؤدي زيادة عدد خطوات إزالة الضوضاء إلى إنتاج صور بجودة أعلى، لكنها تستغرق وقتًا أطول للتوليد. لا تتردد في التلاعب بهذا المعامل لملاحظة تأثيره على جودة الصورة.

```py
image = generator(num_inference_steps=100).images[0]
image
```

جرّب المساحة أدناه لتوليد صورة لفراشة!

<iframe src="https://stevhliu-unconditional-image-generation.hf.space" frameborder="0" width="850" height="500"
>