Buckets:
| # AutoPipeline | |
| [AutoPipeline](../api/pipelines/auto_pipeline) est un pipeline *tâche-modèle* qui sélectionne automatiquement le sous-classe de pipeline correct en fonction de la tâche. Il gère la complexité du chargement de différents sous-classes de pipeline sans avoir besoin de connaître le nom spécifique du sous-classe de pipeline. | |
| Cela diffère de [DiffusionPipeline](/docs/diffusers/main/fr/api/pipelines/overview#diffusers.DiffusionPipeline), un pipeline *model-only* qui sélectionne automatiquement la sous-classe de pipeline en fonction du modèle. | |
| ```text | |
| AutoPipelineForImage2Image.from_pretrained(model_id) | |
| | | |
| +-- read model_index.json (e.g. StableDiffusionXLPipeline) | |
| +-- task mapping (image-to-image) | |
| | | |
| v | |
| StableDiffusionXLImg2ImgPipeline // returned instance | |
| ``` | |
| [AutoPipelineForImage2Image](/docs/diffusers/main/fr/api/pipelines/auto_pipeline#diffusers.AutoPipelineForImage2Image) renvoie la sous-classe spécifique à la tâche (par exemple, [StableDiffusionXLImg2ImgPipeline](/docs/diffusers/main/fr/api/pipelines/stable_diffusion/stable_diffusion_xl#diffusers.StableDiffusionXLImg2ImgPipeline)), qui ne peut être utilisée que pour les tâches d’image vers image. | |
| ```py | |
| import torch | |
| from diffusers import AutoPipelineForImage2Image | |
| pipeline = AutoPipelineForImage2Image.from_pretrained( | |
| "RunDiffusion/Juggernaut-XL-v9", dtype=torch.bfloat16, device_map="cuda", # or "mps", "xpu", "cpu" | |
| ) | |
| print(pipeline) | |
| # StableDiffusionXLImg2ImgPipeline { | |
| # "_class_name": "StableDiffusionXLImg2ImgPipeline", | |
| # ... | |
| # } | |
| ``` | |
| Charger le même modèle avec [DiffusionPipeline](/docs/diffusers/main/fr/api/pipelines/overview#diffusers.DiffusionPipeline) renvoie la sous-classe texte-vers-image par défaut, [StableDiffusionXLPipeline](/docs/diffusers/main/fr/api/pipelines/stable_diffusion/stable_diffusion_xl#diffusers.StableDiffusionXLPipeline). Ce pipeline est destiné au texte-vers-image. Pour l’image-vers-image ou l’inpainting, chargez un AutoPipeline de tâche tel que [AutoPipelineForImage2Image](/docs/diffusers/main/fr/api/pipelines/auto_pipeline#diffusers.AutoPipelineForImage2Image) ou [AutoPipelineForInpainting](/docs/diffusers/main/fr/api/pipelines/auto_pipeline#diffusers.AutoPipelineForInpainting), ou la sous-classe spécifique à la tâche correspondante. | |
| ```py | |
| import torch | |
| from diffusers import DiffusionPipeline | |
| pipeline = DiffusionPipeline.from_pretrained( | |
| "RunDiffusion/Juggernaut-XL-v9", dtype=torch.bfloat16, device_map="cuda", # or "mps", "xpu", "cpu" | |
| ) | |
| print(pipeline) | |
| # StableDiffusionXLPipeline { | |
| # "_class_name": "StableDiffusionXLPipeline", | |
| # ... | |
| # } | |
| ``` | |
| ## Changer de tâche avec from_pipe | |
| Chargez un AutoPipeline de tâche une seule fois, puis changez de tâche avec [from_pipe()](/docs/diffusers/main/fr/api/pipelines/auto_pipeline#diffusers.AutoPipelineForImage2Image.from_pipe) sans télécharger à nouveau les poids. Les composants sont réutilisés depuis le pipeline source. | |
| ```py | |
| import torch | |
| from diffusers import AutoPipelineForText2Image, AutoPipelineForImage2Image | |
| pipeline_t2i = AutoPipelineForText2Image.from_pretrained( | |
| "RunDiffusion/Juggernaut-XL-v9", dtype=torch.bfloat16, device_map="cuda", # or "mps", "xpu", "cpu" | |
| ) | |
| pipeline_i2i = AutoPipelineForImage2Image.from_pipe(pipeline_t2i) | |
| ``` | |
| Voir [Réutilisation de modèles dans plusieurs pipelines](../using-diffusers/loading#reusing-models-in-multiple-pipelines) pour plus de détails. | |
| Consultez les [mappings](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/auto_pipeline.py) pour vérifier si un modèle est pris en charge. La tentative de chargement d'un modèle non pris en charge renvoie une erreur. | |
| ```py | |
| import torch | |
| from diffusers import AutoPipelineForImage2Image | |
| pipeline = AutoPipelineForImage2Image.from_pretrained( | |
| "openai/shap-e-img2img", dtype=torch.float16, | |
| ) | |
| "ValueError: AutoPipeline can't find a pipeline linked to ShapEImg2ImgPipeline for None" | |
| ``` | |
| Il existe quatre types de classes [AutoPipeline](../api/pipelines/auto_pipeline) : | |
| - [AutoPipelineForText2Image](/docs/diffusers/main/fr/api/pipelines/auto_pipeline#diffusers.AutoPipelineForText2Image) | |
| - [AutoPipelineForImage2Image](/docs/diffusers/main/fr/api/pipelines/auto_pipeline#diffusers.AutoPipelineForImage2Image) | |
| - [AutoPipelineForInpainting](/docs/diffusers/main/fr/api/pipelines/auto_pipeline#diffusers.AutoPipelineForInpainting) | |
| - [AutoPipelineForText2Audio](/docs/diffusers/main/fr/api/pipelines/auto_pipeline#diffusers.AutoPipelineForText2Audio) | |
| Chacune de ces classes possède une correspondance prédéfinie, associant un pipeline à sa sous-classe spécifique à la tâche. | |
| Lors de l’appel de [from_pretrained()](/docs/diffusers/main/fr/api/pipelines/auto_pipeline#diffusers.AutoPipelineForText2Image.from_pretrained), le nom de la classe est extrait du fichier `model_index.json` et le sous-ensemble de pipeline approprié pour la tâche est sélectionné en fonction de la correspondance. | |
Xet Storage Details
- Size:
- 5.02 kB
- Xet hash:
- 810ff3cf7348d3724a00b5bab343435f84e1f9a2c81d5ff639fa696ba932f3d7
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.