<figure style="text-align: center;"><img src="/posts/Diffusers_뜯기_프롤로그/182d7553ec32209d1.webp" style="width: 50%;"><figcaption>어.. 어..</figcaption></figure>

Diffusers는 Huggingface에서 만들고 배포하는 Diffusion (확산) 모델을 위한 Python 라이브러리이다.

> Diffusers는 [성능보다 사용성](https://huggingface.co/docs/diffusers/ko/conceptual/philosophy#usability-over-performance), [간편함보다 단순함](https://huggingface.co/docs/diffusers/ko/conceptual/philosophy#simple-over-easy), 그리고 [추 상화보다 사용자 지정 가능성](https://huggingface.co/docs/diffusers/ko/conceptual/philosophy#tweakable-contributorfriendly-over-abstraction)에 중점을 두고 설계되었다 [1].
이걸 뜯으려는 이유는 내가 언젠가 이미지 생성 서비스를 하기로 결심했기 때문이다.

이미지 생성 서비스에서 중요한건 생성된 이미지의 품질일 것이다. 확산 모델은 GAN 대비 안정적이고 생성된 데이터의 질이 높으니까, 사용자가 만족할 수 있을 만큼의 결과물을 얻자면 결국 확산 모델정도는 사용해야한다고 생각했다.

확산모델의 근본을 파해쳐보는 것도 좋은 경험이 되겠지만, 최근 대부분의 AI 모델이 그러하듯, 학습에 개인이 넘볼 수 없을 만큼의 데이터와 자원들이 필요하기에 (대표적인 Diffusion 모델인 Stable diffusion은 50억개가 넘는 이미지-텍스트 쌍 데이터 로 학습되었다), 나는 감히 Diffusion 모델의 원리와 학습 방법에 대해 파고드는 대신, 이를 활용하기 쉽게 구현해놓은 [Diffusers](https://github.com/huggingface/diffusers)를 뜯기로 결심했다.

<figure style="text-align: center;">
  <div style="display: flex; justify-content: center; gap: 20px;">
    <img src="/posts/Diffusers_뜯기_프롤로그/158900952403b7cac.webp" style="width: 40%;">
    <img src="/posts/Diffusers_뜯기_프롤로그/1589018c1f03b7cac.webp" style="width: 40%;">
  </div>
  <figcaption>네모바지 스폰지밥 1기 6-2화 피클이 빠졌어! 中</figcaption>
</figure>

한 라인 한 라인 제대로 뜯을 시간도, 끈기도, 지식도 없다.

그냥 발버둥 쳐보는거다. 하다보면 더 잘, 깔끔하게 활용할 수 있게 될거라는 희망을 가져본다.

## 참고 자료
0. [나의 벗, ChatGPT](https://chatgpt.com/)
1. [Diffusers 공식문서](https://huggingface.co/docs/diffusers/ko/index)

Diffusers는 Huggingface가 개발한 확산 모델용 Python 라이브러리로, 사용성, 단순함, 사용자 지정을 강조합니다. 이 글에서는 Diffusers의 철학과 활용 가능성을 분석하며, 향후 이미지 생성 서비스에 적용하기 위한 방향성을 탐구합니다.

카테고리: study

Diffusers 뜯기 - 프롤로그