Buckets:

mishig's picture
|
download
raw
2.15 kB
# Diffusers
Diffusers fournit des modèles de diffusion pré-entraînés ainsi que les briques de base pour des workflows personnalisés d’images, de vidéos et d’audio.
Il comporte deux principaux chemins.
- [DiffusionPipeline](/docs/diffusers/main/fr/api/pipelines/overview#diffusers.DiffusionPipeline) prend en charge l’inférence en quelques lignes avec des points de contrôle préentraînés, ainsi que des adaptateurs tels que LoRA. C’est la voie la plus simple pour la génération.
- [Modular Diffusers](./modular_diffusers/overview) permet d’utiliser des blocs composables et [ModularPipeline](/docs/diffusers/main/fr/api/modular_diffusers/pipeline#diffusers.ModularPipeline) pour des pipelines personnalisés lorsque vous avez besoin d’un contrôle plus fin.
Des optimisations telles que le déchargement et la quantisation permettent d’exécuter de grands modèles sur des appareils à mémoire limitée. Si la mémoire n’est pas un problème, Diffusers prend également en charge `torch.compile` pour une inférence plus rapide.
Parcourez les modèles Diffusers tendance sur le [Hub](https://huggingface.co/models?library=diffusers&sort=trending) dès maintenant.
## Apprendre
Si vous débutez, commencez par le [cours sur les modèles de diffusion Hugging Face](https://huggingface.co/learn/diffusion-course/unit0/1). Il aborde la théorie de la diffusion et comment générer des images, affiner des modèles, et plus encore avec Diffusers.
Le [Démarrage rapide](./quicktour) inclut également un prompt de configuration d’agent copiable pour l’inférence.
## Où aller ensuite
- [Inférence](./using-diffusers/loading) — charger des pipelines et exécuter la génération
- [Optimiser et mettre à l'échelle](./optimization/overview) — mémoire, vitesse, quantification et service
- [Diffusers modulaires](./modular_diffusers/overview) — créez des pipelines personnalisés à partir de blocs
- [Entraîner et affiner](./training/overview) — entraîner des modèles de diffusion et des adaptateurs
- [CLI](./using-diffusers/cli) - exécuter et packager des pipelines depuis la ligne de commande

Xet Storage Details

Size:
2.15 kB
·
Xet hash:
ad532ad7144ee3e113aabcb2391204f5a99fce8c5dc764e1507f171d404caf7e

Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.