Buckets:
| # UNet | |
| Beberapa metode pelatihan - seperti LoRA dan Custom Diffusion - biasanya menargetkan lapisan perhatian UNet, tetapi metode pelatihan ini juga dapat menargetkan lapisan non-perhatian lainnya. Alih-alih melatih semua parameter model, hanya sebagian kecil parameter yang dilatih, yang lebih cepat dan efisien. Kelas ini berguna jika Anda *hanya* memuat bobot ke dalam UNet. Jika Anda perlu memuat bobot ke dalam text encoder atau text encoder dan UNet, cobalah menggunakan fungsi [load_lora_weights()](/docs/diffusers/main/id/api/loaders/lora#diffusers.loaders.StableDiffusionLoraLoaderMixin.load_lora_weights) sebagai gantinya. | |
| Kelas `UNet2DConditionLoadersMixin` menyediakan fungsi untuk memuat dan menyimpan bobot, menggabungkan dan memisahkan LoRA, menonaktifkan dan mengaktifkan LoRA, serta mengatur dan menghapus adapter. | |
| > [!TIP] | |
| > Untuk mempelajari lebih lanjut tentang cara memuat bobot LoRA, lihat panduan [LoRA](../../tutorials/using_peft_for_inference). | |
| ## UNet2DConditionLoadersMixin[[diffusers.loaders.UNet2DConditionLoadersMixin]] | |
| #### diffusers.loaders.UNet2DConditionLoadersMixin[[diffusers.loaders.UNet2DConditionLoadersMixin]] | |
| ```python | |
| diffusers.loaders.UNet2DConditionLoadersMixin() | |
| ``` | |
| [Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/loaders/unet.py#L53) | |
| Muat lapisan LoRA ke dalam `UNet2DCondtionModel`. | |
| #### load_attn_procs[[diffusers.loaders.UNet2DConditionLoadersMixin.load_attn_procs]] | |
| ```python | |
| load_attn_procs(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], **kwargs) | |
| ``` | |
| [Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/loaders/unet.py#L61) | |
| **Parameter:** | |
| pretrained_model_name_or_path_or_dict (`str` atau `os.PathLike` atau `dict`) : Dapat berupa salah satu dari: - String, id model (misalnya `google/ddpm-celebahq-256`) dari model pretrained yang dihosting di Hub. - Path ke direktori (misalnya `./my_model_directory`) yang berisi bobot model yang disimpan dengan [ModelMixin.save_pretrained()](/docs/diffusers/main/id/api/models/overview#diffusers.ModelMixin.save_pretrained). - [torch state dict](https://pytorch.org/tutorials/beginner/saving_loading_models.html#what-is-a-state-dict). | |
| cache_dir (`str | os.PathLike`, *opsional*) : Path ke direktori tempat konfigurasi model pretrained yang diunduh di-cache jika cache standar tidak digunakan. | |
| force_download (`bool`, *opsional*, defaultnya `False`) : Apakah akan memaksa (mengunduh ulang) bobot model dan file konfigurasi, menimpa versi yang di-cache jika ada. | |
| proxies (`dict[str, str]`, *opsional*) : Kamus server proxy yang akan digunakan berdasarkan protokol atau endpoint, misalnya `{'http': 'foo.bar:3128', 'http://hostname': 'foo.bar:4012'}`. Proxy digunakan pada setiap permintaan. | |
| local_files_only (`bool`, *opsional*, defaultnya `False`) : Apakah hanya memuat bobot model dan file konfigurasi lokal atau tidak. Jika diatur ke `True`, model tidak akan diunduh dari Hub. | |
| token (`str` atau *bool*, *opsional*) : Token yang digunakan sebagai otorisasi bearer HTTP untuk file jarak jauh. Jika `True`, token yang dihasilkan dari `diffusers-cli login` (disimpan di `~/.huggingface`) akan digunakan. | |
| revision (`str`, *opsional*, defaultnya `"main"`) : Versi model spesifik yang akan digunakan. Bisa berupa nama branch, nama tag, id commit, atau identifikasi apa pun yang diizinkan oleh Git. | |
| subfolder (`str`, *opsional*, defaultnya `""`) : Lokasi subfolder dari file model di dalam repositori model yang lebih besar di Hub atau secara lokal. | |
| weight_name (`str`, *opsional*, defaultnya None) : Nama file state dict yang diserialisasi. | |
| Muat lapisan attention processor Custom Diffusion yang telah dilatih sebelumnya ke dalam [UNet2DConditionModel](/docs/diffusers/main/id/api/models/unet2d-cond#diffusers.UNet2DConditionModel). Lapisan attention processor harus didefinisikan di [`attention_processor.py`](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py) dan berupa kelas `torch.nn.Module`. Untuk memuat lapisan LoRA, gunakan [load_lora_adapter()](/docs/diffusers/main/id/api/loaders/peft#diffusers.loaders.PeftAdapterMixin.load_lora_adapter) sebagai gantinya. | |
| Contoh: | |
| ```py | |
| import torch | |
| from diffusers import DiffusionPipeline | |
| pipeline = DiffusionPipeline.from_pretrained( | |
| "CompVis/stable-diffusion-v1-4", | |
| torch_dtype=torch.float16, | |
| ).to("cuda") | |
| pipeline.unet.load_attn_procs("path-to-save-model", weight_name="pytorch_custom_diffusion_weights.bin") | |
| ``` | |
| #### save_attn_procs[[diffusers.loaders.UNet2DConditionLoadersMixin.save_attn_procs]] | |
| ```python | |
| save_attn_procs(save_directory: str | os.PathLike, is_main_process: bool = True, weight_name: str = None, save_function: typing.Callable = None, safe_serialization: bool = True, **kwargs) | |
| ``` | |
| [Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/loaders/unet.py#L252) | |
| **Parameter:** | |
| save_directory (`str` atau `os.PathLike`) : Direktori untuk menyimpan attention processor (akan dibuat jika belum ada). | |
| is_main_process (`bool`, *opsional*, defaultnya `True`) : Apakah proses yang memanggil ini adalah proses utama atau tidak. Berguna selama pelatihan terdistribusi dan Anda perlu memanggil fungsi ini di semua proses. Dalam kasus ini, atur `is_main_process=True` hanya pada proses utama untuk menghindari kondisi balapan. | |
| save_function (`Callable`) : Fungsi yang digunakan untuk menyimpan state dictionary. Berguna selama pelatihan terdistribusi ketika Anda perlu mengganti `torch.save` dengan metode lain. Dapat dikonfigurasi dengan variabel lingkungan `DIFFUSERS_SAVE_MODE`. | |
| safe_serialization (`bool`, *opsional*, defaultnya `True`) : Apakah model disimpan menggunakan `safetensors` atau dengan `pickle`. | |
| Simpan lapisan attention processor Custom Diffusion ke sebuah direktori agar dapat dimuat ulang dengan metode [load_attn_procs()](/docs/diffusers/main/id/api/loaders/unet#diffusers.loaders.UNet2DConditionLoadersMixin.load_attn_procs). Untuk menyimpan lapisan LoRA, gunakan [save_lora_adapter()](/docs/diffusers/main/id/api/loaders/peft#diffusers.loaders.PeftAdapterMixin.save_lora_adapter) sebagai gantinya. | |
| Contoh: | |
| ```py | |
| import torch | |
| from diffusers import DiffusionPipeline | |
| pipeline = DiffusionPipeline.from_pretrained( | |
| "CompVis/stable-diffusion-v1-4", | |
| torch_dtype=torch.float16, | |
| ).to("cuda") | |
| pipeline.unet.load_attn_procs("path-to-save-model", weight_name="pytorch_custom_diffusion_weights.bin") | |
| pipeline.unet.save_attn_procs("path-to-save-model", weight_name="pytorch_custom_diffusion_weights.bin") | |
| ``` | |
Xet Storage Details
- Size:
- 6.55 kB
- Xet hash:
- 7d9f0ec7b1b15b2c86754f2a715551a85dd6b47e2dfb1f053ee77da31a93ed60
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.