Buckets:

hf-doc-build
/

doc

Files

xet

hf-doc-build/doc / diffusers /main /fr /optimization /habana.md

mishig

8 days ago

preview code

download

raw

1.56 kB

# Intel Gaudi

La famille d'accélérateurs IA Intel Gaudi comprend [Intel Gaudi 1](https://habana.ai/products/gaudi/), [Intel Gaudi 2](https://habana.ai/products/gaudi2/) et [Intel Gaudi 3](https://habana.ai/products/gaudi3/). Chaque serveur est équipé de 8 dispositifs, connus sous le nom d'unités de traitement Habana (HPU), offrant 128 Go de mémoire sur Gaudi 3, 96 Go sur Gaudi 2 et 32 Go sur la première génération de Gaudi. Pour plus de détails sur l'architecture matérielle sous-jacente, consultez l'aperçu de l'[architecture Gaudi](https://docs.habana.ai/en/latest/Gaudi_Overview/Gaudi_Architecture.html).

Les pipelines Diffusers peuvent bénéficier de l'accélération HPU, même si un pipeline n'a pas encore été ajouté à [Optimum for Intel Gaudi](https://huggingface.co/docs/optimum/main/en/habana/index), grâce au [GPU Migration Toolkit](https://docs.habana.ai/en/latest/PyTorch/PyTorch_Model_Porting/GPU_Migration_Toolkit/GPU_Migration_Toolkit.html).

Appelez `.to("hpu")` sur votre pipeline pour le déplacer vers un appareil HPU, comme indiqué ci-dessous pour Flux :
```py
import torch
from diffusers import DiffusionPipeline
pipeline = DiffusionPipeline.from_pretrained("black-forest-labs/FLUX.1-schnell", dtype=torch.bfloat16)
pipeline.to("hpu")
image = pipeline("An image of a squirrel in Picasso style").images[0]
```

> [!TIP]
> Pour les implémentations de pipelines de diffusion optimisés pour Gaudi, nous recommandons d’utiliser [Optimum for Intel Gaudi](https://huggingface.co/docs/optimum/main/en/habana/index).

Xet Storage Details

Size:: 1.56 kB
Xet hash:: 274c66143f32fef60892e8dec64894bb48db8fc4dddddd19874b0f2b70bfb4fe

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

	# Intel Gaudi

	La famille d'accélérateurs IA Intel Gaudi comprend [Intel Gaudi 1](https://habana.ai/products/gaudi/), [Intel Gaudi 2](https://habana.ai/products/gaudi2/) et [Intel Gaudi 3](https://habana.ai/products/gaudi3/). Chaque serveur est équipé de 8 dispositifs, connus sous le nom d'unités de traitement Habana (HPU), offrant 128 Go de mémoire sur Gaudi 3, 96 Go sur Gaudi 2 et 32 Go sur la première génération de Gaudi. Pour plus de détails sur l'architecture matérielle sous-jacente, consultez l'aperçu de l'[architecture Gaudi](https://docs.habana.ai/en/latest/Gaudi_Overview/Gaudi_Architecture.html).

	Les pipelines Diffusers peuvent bénéficier de l'accélération HPU, même si un pipeline n'a pas encore été ajouté à [Optimum for Intel Gaudi](https://huggingface.co/docs/optimum/main/en/habana/index), grâce au [GPU Migration Toolkit](https://docs.habana.ai/en/latest/PyTorch/PyTorch_Model_Porting/GPU_Migration_Toolkit/GPU_Migration_Toolkit.html).

	Appelez `.to("hpu")` sur votre pipeline pour le déplacer vers un appareil HPU, comme indiqué ci-dessous pour Flux :
	```py
	import torch
	from diffusers import DiffusionPipeline

	pipeline = DiffusionPipeline.from_pretrained("black-forest-labs/FLUX.1-schnell", dtype=torch.bfloat16)
	pipeline.to("hpu")

	image = pipeline("An image of a squirrel in Picasso style").images[0]
	```

	> [!TIP]
	> Pour les implémentations de pipelines de diffusion optimisés pour Gaudi, nous recommandons d’utiliser [Optimum for Intel Gaudi](https://huggingface.co/docs/optimum/main/en/habana/index).