Update app.py

app.py

@@ -106,22 +106,27 @@ def infer(
     seed=4, 
     guidance_scale=7.5, 
     lora_scale=0.7,
-    strength_cn=0.5,        # Коэфф. зашумления ControlNet
     use_control_net=False,  # Параметр для включения ControlNet
+    control_mode=None,      # Параметр для выбора режима ControlNet
+    strength_cn=0.5,        # Коэфф. зашумления ControlNet
     control_strength=0.5,   # Сила влияния ControlNet
     cn_source_image=None,   # Исходное изображение ControlNet
     control_image=None,     # Контрольное изображение ControlNet
-    strength_ip=0.5,        # Коэфф. зашумления IP_adapter
     use_ip_adapter=False,   # Параметр для включения IP_adapter
+    ip_adapter_mode=None,   # Параметр для выбора режима IP_adapter
+    strength_ip=0.5,        # Коэфф. зашумления IP_adapter
     ip_adapter_strength=0.5,# Сила влияния IP_adapter
     ip_source_image=None,   # Исходное изображение IP_adapter
     ip_adapter_image=None,  # Контрольное изображение IP_adapter
     progress=gr.Progress(track_tqdm=True)
 ):
-    generator = torch.Generator(device).manual_seed(seed)
 
+
+    print('ip_adapter_mode.value = ', ip_adapter_mode.value)
+    print('control_mode.value = ', control_mode.value) 
+    
     # Генерация изображений с Ip_Adapter ------------------------------------------------------------------------------------------------------------------
-    if use_ip_adapter and ip_source_image is not None and ip_adapter_image is not None:
+    if use_ip_adapter: #and ip_source_image is not None and ip_adapter_image is not None:
         
         # Режим pose_estimation --------------------------------------------------------------------------------------------------------------------------- 
         # prompt =  "A man runs through the park against the background of trees. The man's entire figure, face, arms and legs are visible. Anime style. The best quality."
@@ -146,6 +151,8 @@ def infer(
 
         if ip_adapter_mode.value == "pose_estimation":
 
+            print('ip_adapter_mode.value = ', ip_adapter_mode.value)
+            
             # Инициализация ControlNet
             controlnet = ControlNetModel.from_pretrained("lllyasviel/sd-controlnet-openpose", torch_dtype=torch_dtype)
 
@@ -233,13 +240,14 @@ def infer(
 
             if ip_adapter_mode.value == "edge_detection":
 
+                print('ip_adapter_mode.value = ', ip_adapter_mode.value)
+
                 # Инициализация ControlNet
                 controlnet_model_path = "lllyasviel/control_v11f1p_sd15_depth"
                 controlnet = ControlNetModel.from_pretrained(controlnet_model_path, torch_dtype=torch.float16)
 
                 generator = torch.Generator(device).manual_seed(seed)
 
-
                 pipe_ip_adapter = StableDiffusionControlNetPipeline.from_pretrained(
                     model_default,
                     controlnet=controlnet,
@@ -338,6 +346,9 @@ def infer(
 
                 if ip_adapter_mode.value == "depth_map":
 
+                    print('ip_adapter_mode.value = ', ip_adapter_mode.value)
+
+                   
                     # Инициализация ControlNet
                     controlnet_model_path = "lllyasviel/control_v11f1p_sd15_depth"
                     controlnet = ControlNetModel.from_pretrained(controlnet_model_path, torch_dtype=torch.float16)
@@ -365,7 +376,7 @@ def infer(
                     ).images[0]
     else:
         # Генерация изображений с ControlNet ----------------------------------------------------------------------------------------------------------------
-        if use_control_net and control_image is not None and cn_source_image is not None:
+        if use_control_net: #and control_image is not None and cn_source_image is not None:
 
             # Режим pose_estimation --------------------------------------------------------------------------------------------------------------------------- 
             # prompt =  "A man runs through the park against the background of trees. The man's entire figure, face, arms and legs are visible. Anime style. The best quality."
@@ -389,6 +400,8 @@ def infer(
 
             if control_mode.value == "pose_estimation":    
 
+                print('control_mode.value = ', control_mode.value)
+
                 # Инициализация ControlNet
                 controlnet = ControlNetModel.from_pretrained("lllyasviel/sd-controlnet-openpose", torch_dtype=torch_dtype)
 
@@ -472,6 +485,8 @@ def infer(
 
                 if control_mode.value == "edge_detection": 
 
+                    print('control_mode.value = ', control_mode.value)
+
                     controlnet = ControlNetModel.from_pretrained("lllyasviel/sd-controlnet-canny", torch_dtype=torch.float16, use_safetensors=True)
 
                     generator = torch.Generator(device).manual_seed(seed)
@@ -521,6 +536,8 @@ def infer(
 
                     if control_mode.value == "depth_map": 
 
+                        print('control_mode.value = ', control_mode.value)
+
                         depth_estimator = pipeline("depth-estimation")
                         depth_map = get_depth_map(control_image, depth_estimator).unsqueeze(0).half().to(device)
 
@@ -811,13 +828,15 @@ with gr.Blocks(css=css) as demo:
             seed,
             guidance_scale,
             lora_scale,
+            use_control_net,    # Параметр для включения ControlNet
+            control_mode,       # Параметр для выбора режима ControlNet
             strength_cn,        # Коэфф. зашумления ControlNet
-            use_control_net,    # Чекбокс для ControlNet
-            control_strength,   # Контроль силы ControlNet
+            control_strength,   # Сила влияния ControlNet
             cn_source_image,    # Исходное изображение ControlNet
             control_image,      # Контрольное изображение ControlNet
-            strength_ip,        # Коэфф. зашумления IP_adapter
             use_ip_adapter,     # Параметр для включения IP_adapter
+            ip_adapter_mode,    # Параметр для выбора режима IP_adapter
+            strength_ip,        # Коэфф. зашумления IP_adapter
             ip_adapter_strength,# Сила влияния IP_adapter
             ip_source_image,    # Исходное изображение IP_adapter
             ip_adapter_image,   # Контрольное изображение IP_adapter