Buckets:
| # ComponentsManager | |
| > [!WARNING] | |
| > [ComponentsManager](/docs/diffusers/main/id/api/modular_diffusers/pipeline_components#diffusers.ComponentsManager) masih dalam pengembangan aktif dan API-nya dapat berubah. | |
| [ComponentsManager](/docs/diffusers/main/id/api/modular_diffusers/pipeline_components#diffusers.ComponentsManager) adalah sistem registrasi dan manajemen model untuk Modular Diffusers. Komponen ini menambahkan dan melacak model, menyimpan metadata yang berguna (ukuran model, penempatan perangkat, adapter), serta mendukung offloading. | |
| Panduan ini akan menunjukkan cara menggunakan [ComponentsManager](/docs/diffusers/main/id/api/modular_diffusers/pipeline_components#diffusers.ComponentsManager) untuk mengelola komponen dan memori perangkat. | |
| ## Hubungkan ke pipeline | |
| Buat [ComponentsManager](/docs/diffusers/main/id/api/modular_diffusers/pipeline_components#diffusers.ComponentsManager) dan teruskan ke [ModularPipeline](/docs/diffusers/main/id/api/modular_diffusers/pipeline#diffusers.ModularPipeline) dengan [from_pretrained()](/docs/diffusers/main/id/api/modular_diffusers/pipeline#diffusers.ModularPipeline.from_pretrained) atau [init_pipeline()](/docs/diffusers/main/id/api/modular_diffusers/pipeline_blocks#diffusers.ModularPipelineBlocks.init_pipeline). | |
| ```py | |
| from diffusers import ModularPipeline, ComponentsManager | |
| import torch | |
| manager = ComponentsManager() | |
| pipe = ModularPipeline.from_pretrained("Tongyi-MAI/Z-Image-Turbo", components_manager=manager) | |
| pipe.load_components(dtype=torch.bfloat16) | |
| ``` | |
| ```py | |
| from diffusers import ModularPipelineBlocks, ComponentsManager | |
| import torch | |
| manager = ComponentsManager() | |
| blocks = ModularPipelineBlocks.from_pretrained("diffusers/Florence2-image-Annotator", trust_remote_code=True) | |
| pipe= blocks.init_pipeline(components_manager=manager) | |
| pipe.load_components(dtype=torch.bfloat16) | |
| ``` | |
| Komponen yang dimuat oleh pipeline secara otomatis didaftarkan di dalam manager. Anda dapat memeriksanya segera. | |
| ## Periksa komponen | |
| Cetak [ComponentsManager](/docs/diffusers/main/id/api/modular_diffusers/pipeline_components#diffusers.ComponentsManager) untuk melihat semua komponen yang terdaftar, termasuk kelas, penempatan perangkat, dtype, ukuran memori, dan ID pemuatan. | |
| Output di bawah ini sesuai dengan contoh `from_pretrained` di atas. | |
| ```py | |
| Components: | |
| ============================================================================================================================= | |
| Models: | |
| ----------------------------------------------------------------------------------------------------------------------------- | |
| Name_ID | Class | Device: act(exec) | Dtype | Size (GB) | Load ID | |
| ----------------------------------------------------------------------------------------------------------------------------- | |
| text_encoder_140458257514752 | Qwen3Model | cpu | torch.bfloat16 | 7.49 | Tongyi-MAI/Z-Image-Turbo|text_encoder|null|null | |
| vae_140458257515376 | AutoencoderKL | cpu | torch.bfloat16 | 0.16 | Tongyi-MAI/Z-Image-Turbo|vae|null|null | |
| transformer_140458257515616 | ZImageTransformer2DModel | cpu | torch.bfloat16 | 11.46 | Tongyi-MAI/Z-Image-Turbo|transformer|null|null | |
| ----------------------------------------------------------------------------------------------------------------------------- | |
| Other Components: | |
| ----------------------------------------------------------------------------------------------------------------------------- | |
| ID | Class | Collection | |
| ----------------------------------------------------------------------------------------------------------------------------- | |
| scheduler_140461023555264 | FlowMatchEulerDiscreteScheduler | N/A | |
| tokenizer_140458256346432 | Qwen2Tokenizer | N/A | |
| ----------------------------------------------------------------------------------------------------------------------------- | |
| ``` | |
| Tabel menampilkan model (dengan informasi perangkat, dtype, dan memori) secara terpisah dari komponen lain seperti scheduler dan tokenizer. Jika ada model yang memiliki adapter LoRA, IP-Adapter, atau kuantisasi yang diterapkan, informasi tersebut ditampilkan di bagian tambahan di bagian bawah. | |
| ## Offloading | |
| Metode [enable_auto_cpu_offload()](/docs/diffusers/main/id/api/modular_diffusers/pipeline_components#diffusers.ComponentsManager.enable_auto_cpu_offload) adalah strategi offloading global yang bekerja di semua model terlepas dari pipeline mana yang menggunakannya. Setelah diaktifkan, Anda tidak perlu khawatir tentang penempatan perangkat jika Anda menambahkan atau menghapus komponen. | |
| ```py | |
| manager.enable_auto_cpu_offload(device="cuda") # or "mps", "xpu", "cpu" | |
| ``` | |
| Semua model dimulai di CPU dan [ComponentsManager](/docs/diffusers/main/id/api/modular_diffusers/pipeline_components#diffusers.ComponentsManager) memindahkannya ke perangkat yang tepat tepat sebelum dibutuhkan, serta memindahkan model lain kembali ke CPU saat memori GPU rendah. | |
| Panggil [disable_auto_cpu_offload()](/docs/diffusers/main/id/api/modular_diffusers/pipeline_components#diffusers.ComponentsManager.disable_auto_cpu_offload) untuk menonaktifkan offloading. | |
| ```py | |
| manager.disable_auto_cpu_offload() | |
| ``` | |
Xet Storage Details
- Size:
- 5.32 kB
- Xet hash:
- a522968414fda88b86c513a0fda0389697c963d30c714aa52ee5323fb1adb694
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.