Buckets:

mishig's picture
|
download
raw
1.85 kB
# Diffusers
Diffusers menyediakan model difusi pra-terlatih serta komponen dasar untuk alur kerja gambar, video, dan audio yang kustom.
Ada dua jalur utamanya.
- [DiffusionPipeline](/docs/diffusers/main/id/api/pipelines/overview#diffusers.DiffusionPipeline) mendukung inferensi beberapa baris dengan checkpoint pretrained, serta adapter seperti LoRA. Ini adalah jalur termudah untuk generasi.
- [Modular Diffusers](./modular_diffusers/overview) memungkinkan blok yang dapat dikomposisikan dan [ModularPipeline](/docs/diffusers/main/id/api/modular_diffusers/pipeline#diffusers.ModularPipeline) untuk pipeline kustom ketika Anda membutuhkan kontrol lebih.
Optimasi seperti offloading dan kuantisasi memungkinkan model besar tetap dapat dijalankan pada perangkat dengan keterbatasan memori. Jika memori bukan menjadi masalah, Diffusers juga mendukung `torch.compile` untuk inferensi yang lebih cepat.
Jelajahi model Diffusers yang sedang tren di [Hub](https://huggingface.co/models?library=diffusers&sort=trending) sekarang.
## Pelajari
Jika Anda seorang pemula, mulailah dengan [Kursus Model Difusi Hugging Face](https://huggingface.co/learn/diffusion-course/unit0/1). Kursus ini membahas teori difusi dan cara menghasilkan gambar, melakukan fine-tuning model, dan lainnya dengan Diffusers.
[Quickstart](./quicktour) juga mencakup prompt setup agen yang dapat disalin untuk inferensi.
## Selanjutnya
- [Inferensi](./using-diffusers/loading) — memuat pipeline dan menjalankan generasi
- [Optimalkan dan skalakan](./optimization/overview) — memori, kecepatan, kuantisasi, dan penyajian
- [Modular Diffusers](./modular_diffusers/overview) — bangun pipeline kustom dari blok
- [Latih dan sesuaikan](./training/overview) — latih model difusi dan adapter
- [CLI](./using-diffusers/cli) - jalankan dan kemas pipeline dari baris perintah

Xet Storage Details

Size:
1.85 kB
·
Xet hash:
3b0e0eaec360092d78081fe2fb3498223a376d0d6ef2de671fc51fa43b9caa40

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