Upload 3 files

app.py

@@ -29,7 +29,8 @@ from diffusers import (
 try:
     import spaces
 
-    gpu_decorator = spaces.GPU(duration=90)
+    # Der erste Call schiebt ~5,7 GB Gewichte auf die Karte - deshalb großzügig.
+    gpu_decorator = spaces.GPU(duration=120)
 except Exception:  # lokal / eigene GPU
 
     def gpu_decorator(fn):
@@ -42,8 +43,11 @@ except Exception:  # lokal / eigene GPU
 BASE_MODEL = os.environ.get("BASE_MODEL", "stable-diffusion-v1-5/stable-diffusion-v1-5")
 CONTROLNET_REPO = "monster-labs/control_v1p_sd15_qrcode_monster"
 CONTROLNET_SUBFOLDER = "v2"  # v2 ist deutlich besser als v1
-DEVICE = "cuda" if torch.cuda.is_available() else "cpu"
-DTYPE = torch.float16 if DEVICE == "cuda" else torch.float32
+# Auf ZeroGPU ist beim Import noch keine GPU sichtbar ("Can't initialize NVML").
+# Deshalb nicht auf torch.cuda.is_available() beim Start vertrauen.
+IS_ZERO_GPU = os.environ.get("SPACES_ZERO_GPU", "").lower() in ("true", "1")
+HAS_CUDA = IS_ZERO_GPU or torch.cuda.is_available()
+DTYPE = torch.float16 if HAS_CUDA else torch.float32
 GRAY = (128, 128, 128)  # #808080 – laut Model Card ideal zum "Verschmelzen"
 MAX_SEED = 2**31 - 1
 
@@ -67,21 +71,24 @@ SCHEDULERS = {
 controlnet = ControlNetModel.from_pretrained(
     CONTROLNET_REPO,
     subfolder=CONTROLNET_SUBFOLDER,
-    torch_dtype=DTYPE,
+    dtype=DTYPE,  # torch_dtype ist ab diffusers 1.0 entfernt
 )
 
 pipe = StableDiffusionControlNetImg2ImgPipeline.from_pretrained(
     BASE_MODEL,
     controlnet=controlnet,
-    torch_dtype=DTYPE,
+    dtype=DTYPE,
     safety_checker=None,
     requires_safety_checker=False,
 )
 pipe.scheduler = DPMSolverMultistepScheduler.from_config(
     pipe.scheduler.config, use_karras_sigmas=True, algorithm_type="dpmsolver++"
 )
-pipe.to(DEVICE)
-if DEVICE == "cuda":
+
+# Auf ZeroGPU darf CUDA erst innerhalb von @spaces.GPU angefasst werden -
+# dort verschiebt generate() die Pipeline. Sonst gleich beim Start.
+if HAS_CUDA and not IS_ZERO_GPU:
+    pipe.to("cuda")
     pipe.enable_vae_tiling()
     pipe.enable_attention_slicing()
 
@@ -152,7 +159,13 @@ def generate(
     control_image = make_qr_image(qr_content, size, ERROR_LEVELS[error_level_name])
     init = prepare_init_image(init_image, size)
 
-    generator = torch.Generator(device=DEVICE).manual_seed(seed)
+    device = "cuda" if HAS_CUDA else "cpu"
+    if IS_ZERO_GPU:
+        # Erst hier ist die ZeroGPU zugewiesen. Kein attention_slicing /
+        # vae_tiling: die H200 hat reichlich VRAM, beides würde nur bremsen.
+        pipe.to("cuda")
+
+    generator = torch.Generator(device=device).manual_seed(seed)
 
     result = pipe(
         prompt=prompt,