File size: 2,421 Bytes
0edd0cf d71310e 08be3bf d71310e 6313156 d71310e 6313156 d71310e 6313156 d71310e 4bca587 6313156 d71310e 6313156 d71310e 6313156 d71310e 6313156 4bca587 6313156 d71310e 6313156 0edd0cf | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 | ---
pipeline_tag: image-to-image
---
# FLUX\.2\-klein\-4B 整合GGUF权重包
```Plain Text
---
license: apache-2.0
---
```
## 模型说明
本仓库为**整合版权重仓库**，仅做文件归集、整合打包，无任何权重训练、微调、参数修改操作：
- **GGUF量化Transformer主干**：来源于 `unsloth/FLUX.2-klein-4B-GGUF`
采用 Unsloth Dynamic 2\.0 量化方案。
- **VAE、模型配置、原生配套资源**：来源于官方基座 `black-forest-labs/FLUX.2-klein-4B`
## 原始来源链接
- GGUF量化主干模型：[https://huggingface\.co/unsloth/FLUX\.2\-klein\-4B\-GGUF](https://huggingface.co/unsloth/FLUX.2-klein-4B-GGUF)
- FLUX\.2\-klein\-4B 官方原始基座：[https://huggingface\.co/black\-forest\-labs/FLUX\.2\-klein\-4B](https://huggingface.co/black-forest-labs/FLUX.2-klein-4B)
## 修改说明
本项目仅将两个上游仓库资源整合归集：将 Unsloth 量化的 GGUF Transformer 权重，与官方完整 VAE、模型配置文件合并为一体，方便本地diffusers GGUF 推理、。**未修改权重参数、未微调、未重量化、未蒸馏**。
## 快速使用 / 推理示例
### 安装依赖
```Plain Text
pip install torch sdnq diffusers huggingface-hub
```
### 完整可运行代码
```Plain Text
import torch
from sdnq import SDNQConfig
from diffusers import Flux2KleinPipeline, Flux2Transformer2DModel, GGUFQuantizationConfig
from huggingface_hub import hf_hub_download
device = "cuda"
dtype = torch.bfloat16
gguf_path = hf_hub_download(
repo_id="csssss/com2ai-klein-4b",
filename="transformer/flux-2-klein-4b-Q8_0.gguf",
)
config_path = hf_hub_download(
repo_id="csssss/com2ai-klein-4b",
filename="transformer/config.json",
)
transformer = Flux2Transformer2DModel.from_single_file(
gguf_path,
quantization_config=GGUFQuantizationConfig(compute_dtype=dtype),
torch_dtype=dtype,
config=config_path
)
pipe = Flux2KleinPipeline.from_pretrained(
"csssss/com2ai-klein-4b",
transformer=transformer,
torch_dtype=dtype
)
pipe.enable_model_cpu_offload()
prompt = "A cat holding a sign that says hello world"
image = pipe(
prompt=prompt,
height=1024,
width=1024,
guidance_scale=1.0,
num_inference_steps=4,
generator=torch.Generator(device=device).manual_seed(0)
).images[0]
image.save("flux-klein.png")
print("✅ 图像生成成功，已保存为 flux-klein.png")
``` |