Sigue los pasos en orden. Cada uno tiene un comando y el resultado que se espera.
python3 -m venv nbx && source nbx/bin/activate
pip install neurobrix
neurobrix doctor
Esperado: No blocking problem found. En una máquina con GPU, lee antes Instalar según el hardware. Problemas: Solución de problemas.
neurobrix hub --category UPSCALER
Esperado: una lista de escaladores con tamaño y licencia. Las mismas filas están en neurobrix.org/models. Allí también se listan las categorías; una categoría desconocida se rechaza con la lista de las válidas.
neurobrix import caidas/swin2SR-classical-sr-x4-64
Esperado: una última línea Installed caidas/swin2SR-classical-sr-x4-64 · run: <command>. import toma el nombre completo org/Model, tal como lo escribe el hub, y run, serve y upscale toman el mismo nombre: un modelo tiene un solo nombre.
Comprueba antes el disco si el espacio es justo: una importación necesita aproximadamente el doble del tamaño del archivo más 2 GiB.
neurobrix upscale --model caidas/swin2SR-classical-sr-x4-64 --input photo.png --output photo-x4.png
Esperado: photo-x4.png, cuatro veces más grande por cada lado. No hacen falta opciones de GPU.
neurobrix import TinyLlama/TinyLlama-1.1B-Chat-v1.0
neurobrix serve --model TinyLlama/TinyLlama-1.1B-Chat-v1.0
neurobrix chat
neurobrix stop
Esperado: serve inicia un daemon en segundo plano que carga el modelo una sola vez; chat habla con él (/quit sale); stop libera la memoria. Consulta Servicio.
neurobrix hub --category IMAGE
Elige uno que quepa en tu VRAM, impórtalo y luego:
neurobrix run --model <org>/<Model> --prompt "A lighthouse at dusk" --steps 20 --seed 42 --output lighthouse.png
Esperado: lighthouse.png. Consulta Inferencia para ver los parámetros.
neurobrix list
neurobrix remove <org>/<Model>
Esperado: el modelo sale de ~/.neurobrix/cache/; el archivo permanece en store/ salvo que uses también neurobrix clean --store.
Ejecuta tu primer modelo · Hub de modelos · Referencia CLI · Licencias
© 2025–2026 Hocine Benkelaya. NeuroBrix engine released under the Apache License 2.0.
Developed by Hocine Benkelaya · Supported and funded by Neural Network Holding Ltd · Commercial distribution by WizWorks OÜ