Buckets:
LoRA
LoRAは、モデルの全パラメータではなく、はるかに少ない数のパラメータを挿入して学習する、高速かつ軽量な学習手法です。これにより、より小さいファイル（約100 MB）が生成され、新しい概念を学習させるモデルを素早くトレーニングしやすくなります。LoRAの重みは、通常、デノイザー、テキストエンコーダー、またはその両方に読み込まれます。デノイザーは通常、UNet（UNet2DConditionModelなど）やTransformer（SD3Transformer2DModelなど）に対応しています。LoRAの重みを読み込むためのクラスはいくつかあります。
StableDiffusionLoraLoaderMixinは、LoRA 重みの読み込みと解放、融合と分離、有効化と無効化など、LoRA 重みを管理するための関数を提供します。このクラスは、任意のモデルで使用できます。StableDiffusionXLLoraLoaderMixinは、LoRA 重みの読み込みと保存を行うStableDiffusionLoraLoaderMixinクラスの Stable Diffusion (SDXL) 版です。SDXL モデルでのみ使用できます。SD3LoraLoaderMixinは、Stable Diffusion 3 に対して同様の機能を提供します。FluxLoraLoaderMixinは、Flux に対して同様の機能を提供します。CogVideoXLoraLoaderMixinは、CogVideoX に対して同様の機能を提供します。Mochi1LoraLoaderMixinは、Mochi に対して同様の機能を提供します。AuraFlowLoraLoaderMixinは、AuraFlow に対して同様の機能を提供します。LTXVideoLoraLoaderMixinは、LTX-Video に対して同様の機能を提供します。SanaLoraLoaderMixinは、Sana に対して同様の機能を提供します。HeliosLoraLoaderMixinは、HunyuanVideo に対して同様の機能を提供します。HunyuanVideoLoraLoaderMixinは、HunyuanVideo に対して同様の機能を提供します。Lumina2LoraLoaderMixinは、Lumina2 に対して同様の機能を提供します。WanLoraLoaderMixinは、Wan に対して同様の機能を提供します。SkyReelsV2LoraLoaderMixinは、SkyReels-V2 に対して同様の機能を提供します。CogView4LoraLoaderMixinは、CogView4 に対して同様の機能を提供します。AmusedLoraLoaderMixinはAmusedPipeline用です。AnimaLoraLoaderMixinは、Anima に対して同様の機能を提供します。AceStepLoraLoaderMixinは、ACE-Step に対して同様の機能を提供します。HiDreamImageLoraLoaderMixinは、HiDream Image に対して同様の機能を提供します。QwenImageLoraLoaderMixinは、Qwen Image に対して同様の機能を提供します。ZImageLoraLoaderMixinは、Z-Image に対して同様の機能を提供します。Flux2LoraLoaderMixinは、Flux2 に対して同様の機能を提供します。ErnieImageLoraLoaderMixinは、Ernie-Image に対して同様の機能を提供します。LTX2LoraLoaderMixinは、Flux2 に対して同様の機能を提供します。MiniMaxH3LoraLoaderMixinは、MiniMax-H3 に対して同様の機能を提供します。PikaH3FlexLoraLoaderMixinは、Pika H3 Flex に対して同様の機能を提供します。RFD4ProteinaLoraLoaderMixinは、RFD4-Proteína に対して同様の機能を提供します。BriaFibo2LoraLoaderMixinは、fibo-2 に対して同様の機能を提供します。LoraBaseMixinは、LoRA の融合、非融合、アンロードなどの複数のユーティリティメソッドを提供するベースクラスです。
LoRAの重みをロードする方法の詳細については、LoRAのロードガイドを参照してください。
RFD4ProteinaLoraLoaderMixin[[diffusers.loaders.RFD4ProteinaLoraLoaderMixin]]
diffusers.loaders.RFD4ProteinaLoraLoaderMixin[[diffusers.loaders.RFD4ProteinaLoraLoaderMixin]]
diffusers.loaders.RFD4ProteinaLoraLoaderMixin()
LoRAレイヤーをRFD4ProteinaTransformerに読み込みます。
autoencoderはdenoiserのチェックポイントとペアで提供され、適応されていないため、transformerがロード可能な唯一のモジュールです。
fuse_lora[[diffusers.loaders.RFD4ProteinaLoraLoaderMixin.fuse_lora]]
fuse_lora(components: list[str] = ['transformer'], lora_scale: float = 1.0, safe_fusing: bool = False, adapter_names: list[str] | None = None, **kwargs)
詳細については、fuse_lora()を参照してください。
load_lora_into_transformer[[diffusers.loaders.RFD4ProteinaLoraLoaderMixin.load_lora_into_transformer]]
load_lora_into_transformer(state_dict, transformer, adapter_name = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False, metadata = None)
詳細については、load_lora_into_unet()を参照してください。
load_lora_weights[[diffusers.loaders.RFD4ProteinaLoraLoaderMixin.load_lora_weights]]
load_lora_weights(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], adapter_name: str | None = None, hotswap: bool = False, **kwargs)
詳細については、load_lora_weights()を参照してください。
lora_state_dict[[diffusers.loaders.RFD4ProteinaLoraLoaderMixin.lora_state_dict]]
lora_state_dict(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], **kwargs)
詳細については、lora_state_dict()を参照してください。
save_lora_weights[[diffusers.loaders.RFD4ProteinaLoraLoaderMixin.save_lora_weights]]
save_lora_weights(save_directory: str | os.PathLike, transformer_lora_layers: dict[str, typing.Union[torch.nn.Module, torch.Tensor]] = None, is_main_process: bool = True, weight_name: str = None, save_function: typing.Callable = None, safe_serialization: bool = True, transformer_lora_adapter_metadata: dict | None = None)
詳細については、save_lora_weights()を参照してください。
unfuse_lora[[diffusers.loaders.RFD4ProteinaLoraLoaderMixin.unfuse_lora]]
unfuse_lora(components: list[str] = ['transformer'], **kwargs)
詳細については、unfuse_lora()を参照してください。
LoraBaseMixin[[diffusers.loaders.lora_base.LoraBaseMixin]]
diffusers.loaders.lora_base.LoraBaseMixin[[diffusers.loaders.lora_base.LoraBaseMixin]]
diffusers.loaders.lora_base.LoraBaseMixin()
LoRAの処理を行うユーティリティクラスです。
delete_adapters[[diffusers.loaders.lora_base.LoraBaseMixin.delete_adapters]]
delete_adapters(adapter_names: list[str] | str)
パラメータ:
adapter_names (list[str, str]) : 削除するアダプターの名前。
パイプラインからアダプターのLoRA層を削除します。
例:
from diffusers import AutoPipelineForText2Image
import torch
pipeline = AutoPipelineForText2Image.from_pretrained(
"stabilityai/stable-diffusion-xl-base-1.0", torch_dtype=torch.float16
).to("cuda")
pipeline.load_lora_weights(
"jbilcke-hf/sdxl-cinematic-1", weight_name="pytorch_lora_weights.safetensors", adapter_names="cinematic"
)
pipeline.delete_adapters("cinematic")
disable_lora[[diffusers.loaders.lora_base.LoraBaseMixin.disable_lora]]
disable_lora()
パイプラインのアクティブなLoRAレイヤーを無効にします。
例:
from diffusers import AutoPipelineForText2Image
import torch
pipeline = AutoPipelineForText2Image.from_pretrained(
"stabilityai/stable-diffusion-xl-base-1.0", torch_dtype=torch.float16
).to("cuda")
pipeline.load_lora_weights(
"jbilcke-hf/sdxl-cinematic-1", weight_name="pytorch_lora_weights.safetensors", adapter_name="cinematic"
)
pipeline.disable_lora()
enable_lora[[diffusers.loaders.lora_base.LoraBaseMixin.enable_lora]]
enable_lora()
パイプラインのアクティブなLoRAレイヤーを有効にします。
例:
from diffusers import AutoPipelineForText2Image
import torch
pipeline = AutoPipelineForText2Image.from_pretrained(
"stabilityai/stable-diffusion-xl-base-1.0", torch_dtype=torch.float16
).to("cuda")
pipeline.load_lora_weights(
"jbilcke-hf/sdxl-cinematic-1", weight_name="pytorch_lora_weights.safetensors", adapter_name="cinematic"
)
pipeline.enable_lora()
enable_lora_hotswap[[diffusers.loaders.lora_base.LoraBaseMixin.enable_lora_hotswap]]
enable_lora_hotswap(**kwargs)
パラメータ:
target_rank (int) : 読み込まれるすべてのアダプターの中で最も高いランク。
check_compiled (str、任意、デフォルトは"error") : すでにコンパイル済みのモデルをどのように扱うかを指定します。チェックは以下のメッセージを返す可能性があります: - "error" (デフォルト): エラーを送出します - "warn": 警告を発行します - "ignore": 何もしません
…
fuse_lora[[diffusers.loaders.lora_base.LoraBaseMixin.fuse_lora]]
fuse_lora(components: list[str] | None = None, lora_scale: float = 1.0, safe_fusing: bool = False, adapter_names: list[str] | None = None, **kwargs)
パラメータ:
components : (list[str]): LoRA を融合する対象の、LoRA 注入可能なコンポーネントのリスト。
lora_scale (float、デフォルト値は 1.0) : LoRA パラメータによる出力への影響度を制御します。
safe_fusing (bool、デフォルトはFalse) : 融合前に融合対象の重みにNaN値があるかをチェックし、NaN値が存在する場合は融合しないかどうかを指定します。
adapter_names (list[str], 任意) : 融合に使用するアダプター名。何も渡されない場合、すべてのアクティブなアダプターが融合されます。
対応するブロックの元のパラメータにLoRAパラメータを融合します。
例:
from diffusers import DiffusionPipeline
import torch
pipeline = DiffusionPipeline.from_pretrained(
"stabilityai/stable-diffusion-xl-base-1.0", torch_dtype=torch.float16
).to("cuda")
pipeline.load_lora_weights("nerijs/pixel-art-xl", weight_name="pixel-art-xl.safetensors", adapter_name="pixel")
pipeline.fuse_lora(lora_scale=0.7)
get_active_adapters[[diffusers.loaders.lora_base.LoraBaseMixin.get_active_adapters]]
get_active_adapters()
現在アクティブなアダプターのリストを取得します。
例:
from diffusers import DiffusionPipeline
pipeline = DiffusionPipeline.from_pretrained(
"stabilityai/stable-diffusion-xl-base-1.0",
).to("cuda")
pipeline.load_lora_weights("CiroN2022/toy-face", weight_name="toy_face_sdxl.safetensors", adapter_name="toy")
pipeline.get_active_adapters()
get_list_adapters[[diffusers.loaders.lora_base.LoraBaseMixin.get_list_adapters]]
get_list_adapters()
パイプライン内で現在利用可能なすべてのアダプターの一覧を取得します。
set_adapters[[diffusers.loaders.lora_base.LoraBaseMixin.set_adapters]]
set_adapters(adapter_names: list[str] | str, adapter_weights: float | dict[str, float | dict | None] | list[float | dict[str, float | dict | None] | None] | None = None)
パラメータ:
adapter_names (list[str] または str) : 使用するアダプターの名前。
adapter_weights (float、dictまたはlist、省略可) : アダプター用の重みです。スカラー値は、すべてのLoRA互換コンポーネントにスケーリングを適用します。辞書は、コンポーネント名（例: "unet"、"transformer"または"text_encoder"）を重みにマッピングします。UNetコンポーネントの重みは、ブロックのスケーリングを格納したネストされた辞書也可以是ります。単一のスカラー値または辞書は、すべてのアダプターに適用されます。リストの場合、adapter_namesの順序に従って、アダプターごとにスカラー値、辞書、またはNoneを1つずつ含める必要があります。Noneは、リストの要素およびコンポーネントの重みにおいて、デフォルトで1.0になります。指定されていないコンポーネントおよびUNetブロックも、デフォルトで1.0になります。
パイプラインで使用するために、現在アクティブなアダプターを設定します。
例:
from diffusers import AutoPipelineForText2Image
import torch
pipeline = AutoPipelineForText2Image.from_pretrained(
"stabilityai/stable-diffusion-xl-base-1.0", torch_dtype=torch.float16
).to("cuda")
pipeline.load_lora_weights(
"jbilcke-hf/sdxl-cinematic-1", weight_name="pytorch_lora_weights.safetensors", adapter_name="cinematic"
)
pipeline.load_lora_weights(
"troveski/sdxl-lora", weight_name="pytorch_lora_weights.safetensors", adapter_name="illustration"
)
pipeline.set_adapters(["cinematic", "illustration"], adapter_weights=[0.5, 0.5])
pipeline.set_adapters(
["cinematic", "illustration"],
adapter_weights=[{"unet": 0.5}, {"unet": 0.8, "text_encoder": 0.6}],
)
set_lora_device[[diffusers.loaders.lora_base.LoraBaseMixin.set_lora_device]]
set_lora_device(adapter_names: list[str], device: torch.device | str | int)
パラメータ:
adapter_names (list[str]) : デバイスに送信するアダプターのリスト。
device (torch.device | str | int) : アダプターを送信するデバイス。torch のデバイス、文字列、または整数のいずれかです。
adapter_names にリストされている LoRA をターゲットデバイスに移動します。複数のアダプターを読み込んで GPU メモリを解放したい場合に、LoRA を CPU にオフロードするために便利です。
LoRA アダプターを CPU にオフロードした後、モデルの残りがまだ GPU にある限り、デバイス不一致が発生するため、LoRA アダプターは推論に使用できなくなります。これらの LoRA アダプターを推論に使用する前に、デバイスを GPU に戻すことを忘れないでください。
>>> pipe.load_lora_weights(path_1, adapter_name="adapter-1")
>>> pipe.load_lora_weights(path_2, adapter_name="adapter-2")
>>> pipe.set_adapters("adapter-1")
>>> image_1 = pipe(**kwargs)
>>> # switch to adapter-2, offload adapter-1
>>> pipeline.set_lora_device(adapter_names=["adapter-1"], device="cpu")
>>> pipeline.set_lora_device(adapter_names=["adapter-2"], device="cuda:0")
>>> pipe.set_adapters("adapter-2")
>>> image_2 = pipe(**kwargs)
>>> # switch back to adapter-1, offload adapter-2
>>> pipeline.set_lora_device(adapter_names=["adapter-2"], device="cpu")
>>> pipeline.set_lora_device(adapter_names=["adapter-1"], device="cuda:0")
>>> pipe.set_adapters("adapter-1")
>>> ...
unfuse_lora[[diffusers.loaders.lora_base.LoraBaseMixin.unfuse_lora]]
unfuse_lora(components: list[str] | None = None, **kwargs)
パラメータ:
components (list[str]) : LoRA をアンフュージョンする対象の LoRA 注入可能コンポーネントのリスト。
unfuse_unet (bool、デフォルトはTrue) : UNetのLoRAパラメータをアンフュージョンするかどうかを指定します。
unfuse_text_encoder (bool、デフォルトはTrue) : テキストエンコーダーのLoRAパラメータをアンフュージョン（分離）するかどうか。テキストエンコーダーがLoRAパラメータでモンキーパッチされていない場合、この設定は効果を持ちません。
pipe.fuse_lora() の効果を逆転します。
unload_lora_weights[[diffusers.loaders.lora_base.LoraBaseMixin.unload_lora_weights]]
unload_lora_weights()
LoRAパラメータをアンロードします。
例:
>>> # Assuming `pipeline` is already loaded with the LoRA parameters.
>>> pipeline.unload_lora_weights()
>>> ...
write_lora_layers[[diffusers.loaders.lora_base.LoraBaseMixin.write_lora_layers]]
write_lora_layers(state_dict: dict[str, torch.Tensor], save_directory: str, is_main_process: bool, weight_name: str, save_function: Callable, safe_serialization: bool, lora_adapter_metadata: dict | None = None)
LoRA層のstate dictを（メタデータ付きで）ディスクに書き込みます。
StableDiffusionLoraLoaderMixin[[diffusers.loaders.StableDiffusionLoraLoaderMixin]]
diffusers.loaders.StableDiffusionLoraLoaderMixin[[diffusers.loaders.StableDiffusionLoraLoaderMixin]]
diffusers.loaders.StableDiffusionLoraLoaderMixin()
Stable DiffusionのUNet2DConditionModelとCLIPTextModelにLoRAレイヤーを読み込みます。
load_lora_into_text_encoder[[diffusers.loaders.StableDiffusionLoraLoaderMixin.load_lora_into_text_encoder]]
load_lora_into_text_encoder(state_dict, network_alphas, text_encoder, prefix = None, lora_scale = 1.0, adapter_name = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False, metadata = None)
パラメータ:
state_dict (dict) : lora レイヤーのパラメータを含む標準的な state dict です。unet の lora レイヤーと区別するために、キーには text_encoder というプレフィックスを付与する必要があります。
network_alphas (dict[str, float]) : 安定した学習とアンダーフローの防止に使用されるネットワークアルファの値です。この値は、kohya-ss トレーナースクリプトの --network_alpha オプションと同じ意味を持ちます。このリンクを参照してください。
text_encoder (CLIPTextModel) : LoRA層を読み込む対象のテキストエンコーダーモデル。
prefix (str) : state_dict における text_encoder の期待されるプレフィックス。
lora_scale (float) : 通常の lora レイヤーの出力に lora linear レイヤーの出力を加算する前に、その出力をどの程度スケーリングするかを示します。
adapter_name (str, 省略可) : 読み込まれたアダプターモデルを参照するために使用するアダプター名。指定しない場合、読み込まれるアダプターの総数を i として default_{i} が使用されます。
low_cpu_mem_usage (bool, 省略可) : ランダムな重みの初期化を行わず、事前学習済み LoRA 重みのみを読み込むことで、モデルの読み込みを高速化します。
hotswap (bool、省略可) : load_lora_weights()を参照してください。
metadata (dict) : 任意の LoRA アダプターメタデータ。指定した場合、peft の LoraConfig 引数は state dict から導出されません。
これにより、state_dictで指定されたLoRAレイヤーがtext_encoderに読み込まれます。
load_lora_into_unet[[diffusers.loaders.StableDiffusionLoraLoaderMixin.load_lora_into_unet]]
load_lora_into_unet(state_dict, network_alphas, unet, adapter_name = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False, metadata = None)
パラメータ:
state_dict (dict) : lora レイヤーのパラメータを含む標準的な state dict です。キーは unet に直接インデックスでアクセスできる形式か、unet というプレフィックスが付与された形式のいずれかであり、後者はテキストエンコーダーの lora レイヤーと区別するために使用できます。
network_alphas (dict[str, float]) : 安定した学習とアンダーフローの防止に使用されるネットワークアルファの値です。この値は、kohya-ss トレーナースクリプトの --network_alpha オプションと同じ意味を持ちます。このリンクを参照してください。
unet (UNet2DConditionModel) : LoRA層を読み込む対象のUNetモデル。
adapter_name (str, 省略可) : 読み込まれたアダプターモデルを参照するために使用するアダプター名。指定しない場合、読み込まれるアダプターの総数を i として default_{i} が使用されます。
low_cpu_mem_usage (bool、省略可) : ランダムな重みの初期化を行わず、事前学習済み LoRA 重みのみを読み込むことで、モデルの読み込みを高速化します。
hotswap (bool、省略可) : load_lora_weights()を参照してください。
metadata (dict) : 任意の LoRA アダプターメタデータ。指定した場合、peft の LoraConfig 引数は state dict から導出されません。
これにより、state_dictで指定されたLoRAレイヤーがunetに読み込まれます。
load_lora_weights[[diffusers.loaders.StableDiffusionLoraLoaderMixin.load_lora_weights]]
load_lora_weights(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], adapter_name: str | None = None, hotswap: bool = False, **kwargs)
パラメータ:
pretrained_model_name_or_path_or_dict (str または os.PathLike または dict) : lora_state_dict() を参照してください。
adapter_name (str, 省略可) : 読み込まれたアダプターモデルを参照するために使用するアダプター名。指定しない場合、読み込まれるアダプターの総数を i として default_{i} が使用されます。
low_cpu_mem_usage (bool, 省略可) : ランダムな重みの初期化を行わず、事前学習済み LoRA 重みのみを読み込むことで、モデルの読み込みを高速化します。
hotswap (bool, 任意) : デフォルトは False です。既存の (LoRA) アダプターを、新しく読み込まれたアダプターでその場で置き換えるかどうかを指定します。つまり、追加のアダプターを読み込むのではなく、既存のアダプターの重みを新しいアダプターの重みで置き換えます。これにより、より高速かつメモリ効率の高い処理が可能になります。ただし、ホットスワップの主な利点は、モデルが torch.compile でコンパイルされている場合、新しいアダプターを読み込んでもモデルの再コンパイルが不要になる点です。ホットスワップを使用する場合は、渡す adapter_name は、すでに読み込まれているアダプターの名前である必要があります。 新しいアダプターと古いアダプターでランクと/または LoRA alpha (すなわちスケーリング) が異なる場合、アダプターを読み込む前に追加のメソッドを呼び出す必要があります: py pipeline = ... # load diffusers pipeline max_rank = ... # the highest rank among all LoRAs that you want to load # call *before* compiling and loading the LoRA adapter pipeline.enable_lora_hotswap(target_rank=max_rank) pipeline.load_lora_weights(file_name) # optionally compile the model now テキストエンコーダーのアダプターのホットスワップは、まだサポートされていません。この技術にはいくつかの制限があり、以下にドキュメント化されています: https://huggingface.co/docs/peft/main/en/package_reference/hotswap
kwargs (dict、任意) : lora_state_dict()を参照してください。
pretrained_model_name_or_path_or_dict で指定された LoRA の重みを self.unet および self.text_encoder に読み込みます。
すべてのkwargsはself.lora_state_dictに転送されます。
ステートディクトの読み込み方法の詳細については、lora_state_dict()を参照してください。
self.unet にステートディクトがどのように読み込まれるかについては、load_lora_into_unet() を参照してください。
self.text_encoder に state dict がどのように読み込まれるかについては、load_lora_into_text_encoder() を参照してください。
lora_state_dict[[diffusers.loaders.StableDiffusionLoraLoaderMixin.lora_state_dict]]
lora_state_dict(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], **kwargs)
パラメータ:
pretrained_model_name_or_path_or_dict (str または os.PathLike または dict) : 以下のいずれかです。 - Hub にホストされている事前学習済みモデルの model id（例: google/ddpm-celebahq-256）を示す文字列。 - ModelMixin.save_pretrained() で保存されたモデルの重みを格納した ディレクトリ へのパス（例: ./my_model_directory）。 - torch state dict。
cache_dir (str | os.PathLike、任意) : 標準のキャッシュを使用しない場合、ダウンロードした事前学習済みモデルの構成がキャッシュされるディレクトリのパス。
force_download (bool, 任意, デフォルトは False) : モデルの重みと設定ファイルの(再)ダウンロードを強制するかどうか。キャッシュされたバージョンが存在する場合でも、それを上書きします。
proxies (dict[str, str]、省略可) : プロトコルまたはエンドポイントごとに使用するプロキシサーバーの辞書です。例えば、{'http': 'foo.bar:3128', 'http://hostname': 'foo.bar:4012'} のように指定します。これらのプロキシは、各リクエストで使用されます。
local_files_only (bool、任意、デフォルトはFalse) : ローカルのモデルの重みと設定ファイルのみを読み込むかどうかを指定します。Trueに設定すると、モデルは Hub からダウンロードされません。
token (str または bool、省略可能) : リモートファイルの HTTP ベアラ認証に使用するトークン。True の場合、diffusers-cli login で生成されたトークン（~/.huggingface に保存）が使用されます。
revision (str、任意、デフォルトは"main") : 使用する特定のモデルバージョンです。ブランチ名、タグ名、コミット ID、または Git で許可されている任意の識別子を使用できます。
subfolder (str、任意、デフォルトは "") : Hub またはローカル上のより大きなモデルリポジトリ内での、モデルファイルのサブフォルダの場所。
weight_name (str、任意、デフォルトは None) : シリアライズされた state dict ファイルの名前。
return_lora_metadata (bool、任意、デフォルトは False) : 有効にすると、state dict に通常含まれている LoRA アダプターのメタデータも追加で返されます。
LoRAの重みとネットワークのアルファのstate dictを返します。
> A1111形式のLoRAチェックポイントの読み込みは、限定的な範囲でサポートしています。 > > この関数は 実験的な機能であり、将来変更される可能性があります。
save_lora_weights[[diffusers.loaders.StableDiffusionLoraLoaderMixin.save_lora_weights]]
save_lora_weights(save_directory: str | os.PathLike, unet_lora_layers: dict[str, typing.Union[torch.nn.Module, torch.Tensor]] = None, text_encoder_lora_layers: dict[str, torch.nn.Module] = None, is_main_process: bool = True, weight_name: str = None, save_function: typing.Callable = None, safe_serialization: bool = True, unet_lora_adapter_metadata = None, text_encoder_lora_adapter_metadata = None)
パラメータ:
save_directory (str または os.PathLike) : LoRA パラメータを保存するディレクトリ。存在しない場合は作成されます。
unet_lora_layers (dict[str, torch.nn.Module] または dict[str, torch.Tensor]) : unet に対応する LoRA レイヤーの state dict。
text_encoder_lora_layers (dict[str, torch.nn.Module] または dict[str, torch.Tensor]) : text_encoder に対応する LoRA レイヤーの state dict。🤗 Transformers から取得されるため、テキストエンコーダーの LoRA state dict を明示的に渡す必要があります。
is_main_process (bool、任意、デフォルトはTrue) : この関数を呼び出したプロセスがメインプロセスかどうかを示します。分散学習時に、すべてのプロセスでこの関数を呼び出す必要がある場合に便利です。この場合、競合状態を避けるために、メインプロセスでのみis_main_process=Trueを設定してください。
save_function (Callable) : 状態辞書を保存するために使用する関数です。分散学習時に torch.save を別のメソッドに置き換える必要がある場合に便利です。環境変数 DIFFUSERS_SAVE_MODE で設定できます。
safe_serialization (bool、任意、デフォルトはTrue) : モデルをsafetensorsで保存するか、pickleを用いた従来の PyTorch の方法で保存するかどうかを指定します。
unet_lora_adapter_metadata : state dict と一緒にシリアライズされる unet に関連付けられた LoRA アダプターのメタデータ。
text_encoder_lora_adapter_metadata : state dict と一緒にシリアライズされる、テキストエンコーダーに関連付けられた LoRA アダプターのメタデータ。
UNetおよびテキストエンコーダーに対応するLoRAパラメータを保存します。
StableDiffusionXLLoraLoaderMixin[[diffusers.loaders.StableDiffusionXLLoraLoaderMixin]]
diffusers.loaders.StableDiffusionXLLoraLoaderMixin[[diffusers.loaders.StableDiffusionXLLoraLoaderMixin]]
diffusers.loaders.StableDiffusionXLLoraLoaderMixin()
Stable Diffusion XLのUNet2DConditionModel、CLIPTextModel、およびCLIPTextModelWithProjectionにLoRA層を読み込みます。
fuse_lora[[diffusers.loaders.StableDiffusionXLLoraLoaderMixin.fuse_lora]]
fuse_lora(components: list[str] = ['unet', 'text_encoder', 'text_encoder_2'], lora_scale: float = 1.0, safe_fusing: bool = False, adapter_names: list[str] | None = None, **kwargs)
詳細については、fuse_lora()を参照してください。
load_lora_into_text_encoder[[diffusers.loaders.StableDiffusionXLLoraLoaderMixin.load_lora_into_text_encoder]]
load_lora_into_text_encoder(state_dict, network_alphas, text_encoder, prefix = None, lora_scale = 1.0, adapter_name = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False, metadata = None)
パラメータ:
state_dict (dict) : lora レイヤーのパラメータを含む標準的な state dict です。unet の lora レイヤーと区別するために、キーには text_encoder というプレフィックスを付与する必要があります。
network_alphas (dict[str, float]) : 安定した学習とアンダーフローの防止に使用されるネットワークアルファの値です。この値は、kohya-ss トレーナースクリプトの --network_alpha オプションと同じ意味を持ちます。このリンクを参照してください。
text_encoder (CLIPTextModel) : LoRA層を読み込む対象のテキストエンコーダーモデル。
prefix (str) : state_dict における text_encoder の期待されるプレフィックス。
lora_scale (float) : 通常の lora レイヤーの出力に lora linear レイヤーの出力を加算する前に、その出力をどの程度スケーリングするかを示します。
adapter_name (str, 省略可) : 読み込まれたアダプターモデルを参照するために使用するアダプター名。指定しない場合、読み込まれるアダプターの総数を i として default_{i} が使用されます。
low_cpu_mem_usage (bool, 省略可) : ランダムな重みの初期化を行わず、事前学習済み LoRA 重みのみを読み込むことで、モデルの読み込みを高速化します。
hotswap (bool、省略可) : load_lora_weights()を参照してください。
metadata (dict) : 任意の LoRA アダプターメタデータ。指定した場合、peft の LoraConfig 引数は state dict から導出されません。
これにより、state_dictで指定されたLoRAレイヤーがtext_encoderに読み込まれます。
load_lora_into_unet[[diffusers.loaders.StableDiffusionXLLoraLoaderMixin.load_lora_into_unet]]
load_lora_into_unet(state_dict, network_alphas, unet, adapter_name = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False, metadata = None)
パラメータ:
state_dict (dict) : lora レイヤーのパラメータを含む標準的な state dict です。キーは unet に直接インデックスでアクセスできる形式か、unet というプレフィックスが付与された形式のいずれかであり、後者はテキストエンコーダーの lora レイヤーと区別するために使用できます。
network_alphas (dict[str, float]) : 安定した学習とアンダーフローの防止に使用されるネットワークアルファの値です。この値は、kohya-ss トレーナースクリプトの --network_alpha オプションと同じ意味を持ちます。このリンクを参照してください。
unet (UNet2DConditionModel) : LoRA層を読み込む対象のUNetモデル。
adapter_name (str, 省略可) : 読み込まれたアダプターモデルを参照するために使用するアダプター名。指定しない場合、読み込まれるアダプターの総数を i として default_{i} が使用されます。
low_cpu_mem_usage (bool、省略可) : ランダムな重みの初期化を行わず、事前学習済み LoRA 重みのみを読み込むことで、モデルの読み込みを高速化します。
hotswap (bool、省略可) : load_lora_weights()を参照してください。
metadata (dict) : 任意の LoRA アダプターメタデータ。指定した場合、peft の LoraConfig 引数は state dict から導出されません。
これにより、state_dictで指定されたLoRAレイヤーがunetに読み込まれます。
load_lora_weights[[diffusers.loaders.StableDiffusionXLLoraLoaderMixin.load_lora_weights]]
load_lora_weights(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], adapter_name: str | None = None, hotswap: bool = False, **kwargs)
詳細については、load_lora_weights()を参照してください。
lora_state_dict[[diffusers.loaders.StableDiffusionXLLoraLoaderMixin.lora_state_dict]]
lora_state_dict(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], **kwargs)
パラメータ:
pretrained_model_name_or_path_or_dict (str または os.PathLike または dict) : 以下のいずれかです。 - Hub にホストされている事前学習済みモデルの model id（例: google/ddpm-celebahq-256）を示す文字列。 - ModelMixin.save_pretrained() で保存されたモデルの重みを格納した ディレクトリ へのパス（例: ./my_model_directory）。 - torch state dict。
cache_dir (str | os.PathLike、任意) : 標準のキャッシュを使用しない場合、ダウンロードした事前学習済みモデルの構成がキャッシュされるディレクトリのパス。
force_download (bool, 任意, デフォルトは False) : モデルの重みと設定ファイルの(再)ダウンロードを強制するかどうか。キャッシュされたバージョンが存在する場合でも、それを上書きします。
proxies (dict[str, str]、省略可) : プロトコルまたはエンドポイントごとに使用するプロキシサーバーの辞書です。例えば、{'http': 'foo.bar:3128', 'http://hostname': 'foo.bar:4012'} のように指定します。これらのプロキシは、各リクエストで使用されます。
local_files_only (bool、任意、デフォルトはFalse) : ローカルのモデルの重みと設定ファイルのみを読み込むかどうかを指定します。Trueに設定すると、モデルは Hub からダウンロードされません。
token (str または bool、省略可能) : リモートファイルの HTTP ベアラ認証に使用するトークン。True の場合、diffusers-cli login で生成されたトークン（~/.huggingface に保存）が使用されます。
revision (str、任意、デフォルトは"main") : 使用する特定のモデルバージョンです。ブランチ名、タグ名、コミット ID、または Git で許可されている任意の識別子を使用できます。
subfolder (str、任意、デフォルトは "") : Hub またはローカル上のより大きなモデルリポジトリ内での、モデルファイルのサブフォルダの場所。
weight_name (str、任意、デフォルトは None) : シリアライズされた state dict ファイルの名前。
return_lora_metadata (bool、任意、デフォルトは False) : 有効にすると、state dict に通常含まれている LoRA アダプターのメタデータも追加で返されます。
LoRAの重みとネットワークのアルファのstate dictを返します。
> A1111形式のLoRAチェックポイントの読み込みは、限定的な範囲でサポートしています。 > > この関数は 実験的な機能であり、将来変更される可能性があります。
save_lora_weights[[diffusers.loaders.StableDiffusionXLLoraLoaderMixin.save_lora_weights]]
save_lora_weights(save_directory: str | os.PathLike, unet_lora_layers: dict[str, typing.Union[torch.nn.Module, torch.Tensor]] = None, text_encoder_lora_layers: dict[str, typing.Union[torch.nn.Module, torch.Tensor]] = None, text_encoder_2_lora_layers: dict[str, typing.Union[torch.nn.Module, torch.Tensor]] = None, is_main_process: bool = True, weight_name: str = None, save_function: typing.Callable = None, safe_serialization: bool = True, unet_lora_adapter_metadata = None, text_encoder_lora_adapter_metadata = None, text_encoder_2_lora_adapter_metadata = None)
詳細については、save_lora_weights()を参照してください。
unfuse_lora[[diffusers.loaders.StableDiffusionXLLoraLoaderMixin.unfuse_lora]]
unfuse_lora(components: list[str] = ['unet', 'text_encoder', 'text_encoder_2'], **kwargs)
詳細については、unfuse_lora()を参照してください。
SD3LoraLoaderMixin[[diffusers.loaders.SD3LoraLoaderMixin]]
diffusers.loaders.SD3LoraLoaderMixin[[diffusers.loaders.SD3LoraLoaderMixin]]
diffusers.loaders.SD3LoraLoaderMixin()
LoRAレイヤーをSD3Transformer2DModel、CLIPTextModel、およびCLIPTextModelWithProjectionに読み込みます。
StableDiffusion3Pipelineに固有です。
fuse_lora[[diffusers.loaders.SD3LoraLoaderMixin.fuse_lora]]
fuse_lora(components: list[str] = ['transformer', 'text_encoder', 'text_encoder_2'], lora_scale: float = 1.0, safe_fusing: bool = False, adapter_names: list[str] | None = None, **kwargs)
詳細については、fuse_lora()を参照してください。
load_lora_into_text_encoder[[diffusers.loaders.SD3LoraLoaderMixin.load_lora_into_text_encoder]]
load_lora_into_text_encoder(state_dict, network_alphas, text_encoder, prefix = None, lora_scale = 1.0, adapter_name = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False, metadata = None)
パラメータ:
state_dict (dict) : lora レイヤーのパラメータを含む標準的な state dict です。unet の lora レイヤーと区別するために、キーには text_encoder というプレフィックスを付与する必要があります。
network_alphas (dict[str, float]) : 安定した学習とアンダーフローの防止に使用されるネットワークアルファの値です。この値は、kohya-ss トレーナースクリプトの --network_alpha オプションと同じ意味を持ちます。このリンクを参照してください。
text_encoder (CLIPTextModel) : LoRA層を読み込む対象のテキストエンコーダーモデル。
prefix (str) : state_dict における text_encoder の期待されるプレフィックス。
lora_scale (float) : 通常の lora レイヤーの出力に lora linear レイヤーの出力を加算する前に、その出力をどの程度スケーリングするかを示します。
adapter_name (str, 省略可) : 読み込まれたアダプターモデルを参照するために使用するアダプター名。指定しない場合、読み込まれるアダプターの総数を i として default_{i} が使用されます。
low_cpu_mem_usage (bool, 省略可) : ランダムな重みの初期化を行わず、事前学習済み LoRA 重みのみを読み込むことで、モデルの読み込みを高速化します。
hotswap (bool、省略可) : load_lora_weights()を参照してください。
metadata (dict) : 任意の LoRA アダプターメタデータ。指定した場合、peft の LoraConfig 引数は state dict から導出されません。
これにより、state_dictで指定されたLoRAレイヤーがtext_encoderに読み込まれます。
load_lora_into_transformer[[diffusers.loaders.SD3LoraLoaderMixin.load_lora_into_transformer]]
load_lora_into_transformer(state_dict, transformer, adapter_name = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False, metadata = None)
詳細については、load_lora_into_unet()を参照してください。
load_lora_weights[[diffusers.loaders.SD3LoraLoaderMixin.load_lora_weights]]
load_lora_weights(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], adapter_name = None, hotswap: bool = False, **kwargs)
詳細については、load_lora_weights()を参照してください。
lora_state_dict[[diffusers.loaders.SD3LoraLoaderMixin.lora_state_dict]]
lora_state_dict(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], **kwargs)
詳細については、lora_state_dict()を参照してください。
save_lora_weights[[diffusers.loaders.SD3LoraLoaderMixin.save_lora_weights]]
save_lora_weights(save_directory: str | os.PathLike, transformer_lora_layers: dict[str, typing.Union[torch.nn.Module, torch.Tensor]] = None, text_encoder_lora_layers: dict[str, typing.Union[torch.nn.Module, torch.Tensor]] = None, text_encoder_2_lora_layers: dict[str, typing.Union[torch.nn.Module, torch.Tensor]] = None, is_main_process: bool = True, weight_name: str = None, save_function: typing.Callable = None, safe_serialization: bool = True, transformer_lora_adapter_metadata = None, text_encoder_lora_adapter_metadata = None, text_encoder_2_lora_adapter_metadata = None)
詳細については、save_lora_weights()を参照してください。
unfuse_lora[[diffusers.loaders.SD3LoraLoaderMixin.unfuse_lora]]
unfuse_lora(components: list[str] = ['transformer', 'text_encoder', 'text_encoder_2'], **kwargs)
詳細については、unfuse_lora()を参照してください。
FluxLoraLoaderMixin[[diffusers.loaders.FluxLoraLoaderMixin]]
diffusers.loaders.FluxLoraLoaderMixin[[diffusers.loaders.FluxLoraLoaderMixin]]
diffusers.loaders.FluxLoraLoaderMixin()
LoRAレイヤーをFluxTransformer2DModel、CLIPTextModelに読み込みます。
FluxPipelineに固有のものです。
fuse_lora[[diffusers.loaders.FluxLoraLoaderMixin.fuse_lora]]
fuse_lora(components: list[str] = ['transformer'], lora_scale: float = 1.0, safe_fusing: bool = False, adapter_names: list[str] | None = None, **kwargs)
詳細については、lora_state_dict()を参照してください。
load_lora_into_text_encoder[[diffusers.loaders.FluxLoraLoaderMixin.load_lora_into_text_encoder]]
load_lora_into_text_encoder(state_dict, network_alphas, text_encoder, prefix = None, lora_scale = 1.0, adapter_name = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False, metadata = None)
パラメータ:
state_dict (dict) : lora レイヤーのパラメータを含む標準的な state dict です。unet の lora レイヤーと区別するために、キーには text_encoder というプレフィックスを付与する必要があります。
network_alphas (dict[str, float]) : 安定した学習とアンダーフローの防止に使用されるネットワークアルファの値です。この値は、kohya-ss トレーナースクリプトの --network_alpha オプションと同じ意味を持ちます。このリンクを参照してください。
text_encoder (CLIPTextModel) : LoRA層を読み込む対象のテキストエンコーダーモデル。
prefix (str) : state_dict における text_encoder の期待されるプレフィックス。
lora_scale (float) : 通常の lora レイヤーの出力に lora linear レイヤーの出力を加算する前に、その出力をどの程度スケーリングするかを示します。
adapter_name (str, 省略可) : 読み込まれたアダプターモデルを参照するために使用するアダプター名。指定しない場合、読み込まれるアダプターの総数を i として default_{i} が使用されます。
low_cpu_mem_usage (bool, 省略可) : ランダムな重みの初期化を行わず、事前学習済み LoRA 重みのみを読み込むことで、モデルの読み込みを高速化します。
hotswap (bool、省略可) : load_lora_weights()を参照してください。
metadata (dict) : 任意の LoRA アダプターメタデータ。指定した場合、peft の LoraConfig 引数は state dict から導出されません。
これにより、state_dictで指定されたLoRAレイヤーがtext_encoderに読み込まれます。
load_lora_into_transformer[[diffusers.loaders.FluxLoraLoaderMixin.load_lora_into_transformer]]
load_lora_into_transformer(state_dict, network_alphas, transformer, adapter_name = None, metadata = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False)
詳細については、load_lora_into_unet()を参照してください。
load_lora_weights[[diffusers.loaders.FluxLoraLoaderMixin.load_lora_weights]]
load_lora_weights(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], adapter_name: str | None = None, hotswap: bool = False, **kwargs)
詳細については、load_lora_weights()を参照してください。
lora_state_dict[[diffusers.loaders.FluxLoraLoaderMixin.lora_state_dict]]
lora_state_dict(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], return_alphas: bool = False, **kwargs)
詳細については、lora_state_dict()を参照してください。
save_lora_weights[[diffusers.loaders.FluxLoraLoaderMixin.save_lora_weights]]
save_lora_weights(save_directory: str | os.PathLike, transformer_lora_layers: dict[str, typing.Union[torch.nn.Module, torch.Tensor]] = None, text_encoder_lora_layers: dict[str, torch.nn.Module] = None, is_main_process: bool = True, weight_name: str = None, save_function: typing.Callable = None, safe_serialization: bool = True, transformer_lora_adapter_metadata = None, text_encoder_lora_adapter_metadata = None)
パラメータ:
save_directory (str または os.PathLike) : LoRA パラメータを保存するディレクトリ。存在しない場合は作成されます。
transformer_lora_layers (dict[str, torch.nn.Module] または dict[str, torch.Tensor]) : transformer に対応する LoRA レイヤーの state dict。
text_encoder_lora_layers (dict[str, torch.nn.Module] または dict[str, torch.Tensor]) : text_encoder に対応する LoRA レイヤーの state dict。🤗 Transformers から取得されるため、テキストエンコーダーの LoRA state dict を明示的に渡す必要があります。
is_main_process (bool、任意、デフォルトはTrue) : この関数を呼び出したプロセスがメインプロセスかどうかを示します。分散学習時に、すべてのプロセスでこの関数を呼び出す必要がある場合に便利です。この場合、競合状態を避けるために、メインプロセスでのみis_main_process=Trueを設定してください。
save_function (Callable) : 状態辞書を保存するために使用する関数です。分散学習時に torch.save を別のメソッドに置き換える必要がある場合に便利です。環境変数 DIFFUSERS_SAVE_MODE で設定できます。
safe_serialization (bool、任意、デフォルトはTrue) : モデルをsafetensorsで保存するか、pickleを用いた従来の PyTorch の方法で保存するかどうかを指定します。
transformer_lora_adapter_metadata : state dict と一緒にシリアライズされる、transformer に関連付けられた LoRA アダプターのメタデータ。
text_encoder_lora_adapter_metadata : state dict と一緒にシリアライズされる、テキストエンコーダーに関連付けられた LoRA アダプターのメタデータ。
UNetおよびテキストエンコーダーに対応するLoRAパラメータを保存します。
unfuse_lora[[diffusers.loaders.FluxLoraLoaderMixin.unfuse_lora]]
unfuse_lora(components: list[str] = ['transformer', 'text_encoder'], **kwargs)
パラメータ:
components (list[str]) : LoRA をアンフュージョンする対象の LoRA 注入可能コンポーネントのリスト。
pipe.fuse_lora() の効果を逆転します。
unload_lora_weights[[diffusers.loaders.FluxLoraLoaderMixin.unload_lora_weights]]
unload_lora_weights(reset_to_overwritten_params = False)
パラメータ:
reset_to_overwritten_params (bool、デフォルトはFalse) : LoRAで読み込まれたモジュールを元のパラメータにリセットするかどうか。Fluxのドキュメントを参照してください。
LoRAパラメータをアンロードします。
例:
>>> # Assuming `pipeline` is already loaded with the LoRA parameters.
>>> pipeline.unload_lora_weights()
>>> ...
Flux2LoraLoaderMixin[[diffusers.loaders.Flux2LoraLoaderMixin]]
diffusers.loaders.Flux2LoraLoaderMixin[[diffusers.loaders.Flux2LoraLoaderMixin]]
diffusers.loaders.Flux2LoraLoaderMixin()
Flux2Transformer2DModelにLoRAレイヤーを読み込みます。Flux2Pipeline固有の機能です。
fuse_lora[[diffusers.loaders.Flux2LoraLoaderMixin.fuse_lora]]
fuse_lora(components: list[str] = ['transformer'], lora_scale: float = 1.0, safe_fusing: bool = False, adapter_names: list[str] | None = None, **kwargs)
詳細については、fuse_lora()を参照してください。
load_lora_into_transformer[[diffusers.loaders.Flux2LoraLoaderMixin.load_lora_into_transformer]]
load_lora_into_transformer(state_dict, transformer, adapter_name = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False, metadata = None)
詳細については、load_lora_into_unet()を参照してください。
load_lora_weights[[diffusers.loaders.Flux2LoraLoaderMixin.load_lora_weights]]
load_lora_weights(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], adapter_name: str | None = None, hotswap: bool = False, **kwargs)
詳細については、load_lora_weights()を参照してください。
lora_state_dict[[diffusers.loaders.Flux2LoraLoaderMixin.lora_state_dict]]
lora_state_dict(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], **kwargs)
詳細については、lora_state_dict()を参照してください。
save_lora_weights[[diffusers.loaders.Flux2LoraLoaderMixin.save_lora_weights]]
save_lora_weights(save_directory: str | os.PathLike, transformer_lora_layers: dict[str, typing.Union[torch.nn.Module, torch.Tensor]] = None, is_main_process: bool = True, weight_name: str = None, save_function: typing.Callable = None, safe_serialization: bool = True, transformer_lora_adapter_metadata: dict | None = None)
詳細については、save_lora_weights()を参照してください。
unfuse_lora[[diffusers.loaders.Flux2LoraLoaderMixin.unfuse_lora]]
unfuse_lora(components: list[str] = ['transformer'], **kwargs)
詳細については、unfuse_lora()を参照してください。
Flux3LoraLoaderMixin[[diffusers.loaders.Flux3LoraLoaderMixin]]
diffusers.loaders.Flux3LoraLoaderMixin[[diffusers.loaders.Flux3LoraLoaderMixin]]
diffusers.loaders.Flux3LoraLoaderMixin()
fuse_lora[[diffusers.loaders.Flux3LoraLoaderMixin.fuse_lora]]
fuse_lora(components: list[str] = ['transformer'], lora_scale: float = 1.0, safe_fusing: bool = False, adapter_names: list[str] | None = None, **kwargs)
詳細については、fuse_lora()を参照してください。
load_lora_into_transformer[[diffusers.loaders.Flux3LoraLoaderMixin.load_lora_into_transformer]]
load_lora_into_transformer(state_dict, transformer, adapter_name = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False, metadata = None)
詳細については、load_lora_into_unet()を参照してください。
load_lora_weights[[diffusers.loaders.Flux3LoraLoaderMixin.load_lora_weights]]
load_lora_weights(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], adapter_name: str | None = None, hotswap: bool = False, **kwargs)
詳細については、load_lora_weights()を参照してください。
save_lora_weights[[diffusers.loaders.Flux3LoraLoaderMixin.save_lora_weights]]
save_lora_weights(save_directory: str | os.PathLike, transformer_lora_layers: dict[str, typing.Union[torch.nn.Module, torch.Tensor]] = None, is_main_process: bool = True, weight_name: str = None, save_function: typing.Callable = None, safe_serialization: bool = True, transformer_lora_adapter_metadata: dict | None = None)
詳細については、save_lora_weights()を参照してください。
unfuse_lora[[diffusers.loaders.Flux3LoraLoaderMixin.unfuse_lora]]
unfuse_lora(components: list[str] = ['transformer'], **kwargs)
詳細については、unfuse_lora()を参照してください。
BriaFibo2LoraLoaderMixin[[diffusers.loaders.BriaFibo2LoraLoaderMixin]]
diffusers.loaders.BriaFibo2LoraLoaderMixin[[diffusers.loaders.BriaFibo2LoraLoaderMixin]]
diffusers.loaders.BriaFibo2LoraLoaderMixin()
BriaFibo2Transformer2DModelにLoRAレイヤーを読み込みます。BriaFibo2Pipeline固有の機能です。
fuse_lora[[diffusers.loaders.BriaFibo2LoraLoaderMixin.fuse_lora]]
fuse_lora(components: list[str] = ['transformer'], lora_scale: float = 1.0, safe_fusing: bool = False, adapter_names: list[str] | None = None, **kwargs)
詳細については、fuse_lora()を参照してください。
load_lora_into_transformer[[diffusers.loaders.BriaFibo2LoraLoaderMixin.load_lora_into_transformer]]
load_lora_into_transformer(state_dict, transformer, adapter_name = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False, metadata = None)
詳細については、load_lora_into_unet()を参照してください。
load_lora_weights[[diffusers.loaders.BriaFibo2LoraLoaderMixin.load_lora_weights]]
load_lora_weights(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], adapter_name: str | None = None, hotswap: bool = False, **kwargs)
詳細については、load_lora_weights()を参照してください。
lora_state_dict[[diffusers.loaders.BriaFibo2LoraLoaderMixin.lora_state_dict]]
lora_state_dict(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], **kwargs)
詳細については、lora_state_dict()を参照してください。
save_lora_weights[[diffusers.loaders.BriaFibo2LoraLoaderMixin.save_lora_weights]]
save_lora_weights(save_directory: str | os.PathLike, transformer_lora_layers: dict[str, typing.Union[torch.nn.Module, torch.Tensor]] = None, is_main_process: bool = True, weight_name: str = None, save_function: typing.Callable = None, safe_serialization: bool = True, transformer_lora_adapter_metadata: dict | None = None)
詳細については、save_lora_weights()を参照してください。
unfuse_lora[[diffusers.loaders.BriaFibo2LoraLoaderMixin.unfuse_lora]]
unfuse_lora(components: list[str] = ['transformer'], **kwargs)
詳細については、unfuse_lora()を参照してください。
ErnieImageLoraLoaderMixin[[diffusers.loaders.ErnieImageLoraLoaderMixin]]
diffusers.loaders.ErnieImageLoraLoaderMixin[[diffusers.loaders.ErnieImageLoraLoaderMixin]]
diffusers.loaders.ErnieImageLoraLoaderMixin()
ErnieImagePipelineに固有の処理として、LoRAレイヤーをErnieImageTransformer2DModelに読み込みます。
fuse_lora[[diffusers.loaders.ErnieImageLoraLoaderMixin.fuse_lora]]
fuse_lora(components: list[str] = ['transformer'], lora_scale: float = 1.0, safe_fusing: bool = False, adapter_names: list[str] | None = None, **kwargs)
詳細については、fuse_lora()を参照してください。
load_lora_into_transformer[[diffusers.loaders.ErnieImageLoraLoaderMixin.load_lora_into_transformer]]
load_lora_into_transformer(state_dict, transformer, adapter_name = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False, metadata = None)
詳細については、load_lora_into_unet()を参照してください。
load_lora_weights[[diffusers.loaders.ErnieImageLoraLoaderMixin.load_lora_weights]]
load_lora_weights(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], adapter_name: str | None = None, hotswap: bool = False, **kwargs)
詳細については、load_lora_weights()を参照してください。
lora_state_dict[[diffusers.loaders.ErnieImageLoraLoaderMixin.lora_state_dict]]
lora_state_dict(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], **kwargs)
詳細については、lora_state_dict()を参照してください。
save_lora_weights[[diffusers.loaders.ErnieImageLoraLoaderMixin.save_lora_weights]]
save_lora_weights(save_directory: str | os.PathLike, transformer_lora_layers: dict[str, typing.Union[torch.nn.Module, torch.Tensor]] = None, is_main_process: bool = True, weight_name: str = None, save_function: typing.Callable = None, safe_serialization: bool = True, transformer_lora_adapter_metadata: dict | None = None)
詳細については、save_lora_weights()を参照してください。
unfuse_lora[[diffusers.loaders.ErnieImageLoraLoaderMixin.unfuse_lora]]
unfuse_lora(components: list[str] = ['transformer'], **kwargs)
詳細については、unfuse_lora()を参照してください。
LTX2LoraLoaderMixin[[diffusers.loaders.LTX2LoraLoaderMixin]]
diffusers.loaders.LTX2LoraLoaderMixin[[diffusers.loaders.LTX2LoraLoaderMixin]]
diffusers.loaders.LTX2LoraLoaderMixin()
LTX2VideoTransformer3DModelにLoRAレイヤーを読み込みます。LTX2Pipeline固有の機能です。
fuse_lora[[diffusers.loaders.LTX2LoraLoaderMixin.fuse_lora]]
fuse_lora(components: list[str] = ['transformer'], lora_scale: float = 1.0, safe_fusing: bool = False, adapter_names: list[str] | None = None, **kwargs)
詳細については、fuse_lora()を参照してください。
load_lora_into_transformer[[diffusers.loaders.LTX2LoraLoaderMixin.load_lora_into_transformer]]
load_lora_into_transformer(state_dict, transformer, adapter_name = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False, metadata = None, prefix: str = 'transformer')
詳細については、load_lora_into_unet()を参照してください。
load_lora_weights[[diffusers.loaders.LTX2LoraLoaderMixin.load_lora_weights]]
load_lora_weights(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], adapter_name: str | None = None, hotswap: bool = False, **kwargs)
詳細については、load_lora_weights()を参照してください。
lora_state_dict[[diffusers.loaders.LTX2LoraLoaderMixin.lora_state_dict]]
lora_state_dict(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], **kwargs)
詳細については、lora_state_dict()を参照してください。
save_lora_weights[[diffusers.loaders.LTX2LoraLoaderMixin.save_lora_weights]]
save_lora_weights(save_directory: str | os.PathLike, transformer_lora_layers: dict[str, typing.Union[torch.nn.Module, torch.Tensor]] = None, is_main_process: bool = True, weight_name: str = None, save_function: typing.Callable = None, safe_serialization: bool = True, transformer_lora_adapter_metadata: dict | None = None)
詳細については、save_lora_weights()を参照してください。
unfuse_lora[[diffusers.loaders.LTX2LoraLoaderMixin.unfuse_lora]]
unfuse_lora(components: list[str] = ['transformer'], **kwargs)
詳細については、unfuse_lora()を参照してください。
CogVideoXLoraLoaderMixin[[diffusers.loaders.CogVideoXLoraLoaderMixin]]
diffusers.loaders.CogVideoXLoraLoaderMixin[[diffusers.loaders.CogVideoXLoraLoaderMixin]]
diffusers.loaders.CogVideoXLoraLoaderMixin()
CogVideoXTransformer3DModelにLoRAレイヤーを読み込みます。CogVideoXPipeline固有の機能です。
fuse_lora[[diffusers.loaders.CogVideoXLoraLoaderMixin.fuse_lora]]
fuse_lora(components: list[str] = ['transformer'], lora_scale: float = 1.0, safe_fusing: bool = False, adapter_names: list[str] | None = None, **kwargs)
詳細については、fuse_lora()を参照してください。
load_lora_into_transformer[[diffusers.loaders.CogVideoXLoraLoaderMixin.load_lora_into_transformer]]
load_lora_into_transformer(state_dict, transformer, adapter_name = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False, metadata = None)
詳細については、load_lora_into_unet()を参照してください。
load_lora_weights[[diffusers.loaders.CogVideoXLoraLoaderMixin.load_lora_weights]]
load_lora_weights(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], adapter_name: str | None = None, hotswap: bool = False, **kwargs)
詳細については、load_lora_weights()を参照してください。
lora_state_dict[[diffusers.loaders.CogVideoXLoraLoaderMixin.lora_state_dict]]
lora_state_dict(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], **kwargs)
詳細については、lora_state_dict()を参照してください。
save_lora_weights[[diffusers.loaders.CogVideoXLoraLoaderMixin.save_lora_weights]]
save_lora_weights(save_directory: str | os.PathLike, transformer_lora_layers: dict[str, typing.Union[torch.nn.Module, torch.Tensor]] = None, is_main_process: bool = True, weight_name: str = None, save_function: typing.Callable = None, safe_serialization: bool = True, transformer_lora_adapter_metadata: dict | None = None)
詳細については、save_lora_weights()を参照してください。
unfuse_lora[[diffusers.loaders.CogVideoXLoraLoaderMixin.unfuse_lora]]
unfuse_lora(components: list[str] = ['transformer'], **kwargs)
詳細については、unfuse_lora()を参照してください。
Mochi1LoraLoaderMixin[[diffusers.loaders.Mochi1LoraLoaderMixin]]
diffusers.loaders.Mochi1LoraLoaderMixin[[diffusers.loaders.Mochi1LoraLoaderMixin]]
diffusers.loaders.Mochi1LoraLoaderMixin()
MochiTransformer3DModelにLoRAレイヤーを読み込みます。MochiPipeline固有の機能です。
fuse_lora[[diffusers.loaders.Mochi1LoraLoaderMixin.fuse_lora]]
fuse_lora(components: list[str] = ['transformer'], lora_scale: float = 1.0, safe_fusing: bool = False, adapter_names: list[str] | None = None, **kwargs)
詳細については、fuse_lora()を参照してください。
load_lora_into_transformer[[diffusers.loaders.Mochi1LoraLoaderMixin.load_lora_into_transformer]]
load_lora_into_transformer(state_dict, transformer, adapter_name = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False, metadata = None)
詳細については、load_lora_into_unet()を参照してください。
load_lora_weights[[diffusers.loaders.Mochi1LoraLoaderMixin.load_lora_weights]]
load_lora_weights(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], adapter_name: str | None = None, hotswap: bool = False, **kwargs)
詳細については、load_lora_weights()を参照してください。
lora_state_dict[[diffusers.loaders.Mochi1LoraLoaderMixin.lora_state_dict]]
lora_state_dict(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], **kwargs)
詳細については、lora_state_dict()を参照してください。
save_lora_weights[[diffusers.loaders.Mochi1LoraLoaderMixin.save_lora_weights]]
save_lora_weights(save_directory: str | os.PathLike, transformer_lora_layers: dict[str, typing.Union[torch.nn.Module, torch.Tensor]] = None, is_main_process: bool = True, weight_name: str = None, save_function: typing.Callable = None, safe_serialization: bool = True, transformer_lora_adapter_metadata: dict | None = None)
詳細については、save_lora_weights()を参照してください。
unfuse_lora[[diffusers.loaders.Mochi1LoraLoaderMixin.unfuse_lora]]
unfuse_lora(components: list[str] = ['transformer'], **kwargs)
詳細については、unfuse_lora()を参照してください。
AuraFlowLoraLoaderMixin[[diffusers.loaders.AuraFlowLoraLoaderMixin]]
diffusers.loaders.AuraFlowLoraLoaderMixin[[diffusers.loaders.AuraFlowLoraLoaderMixin]]
diffusers.loaders.AuraFlowLoraLoaderMixin()
AuraFlowTransformer2DModel に LoRA レイヤーを読み込みます。AuraFlowPipeline 固有の機能です。
fuse_lora[[diffusers.loaders.AuraFlowLoraLoaderMixin.fuse_lora]]
fuse_lora(components: list[str] = ['transformer'], lora_scale: float = 1.0, safe_fusing: bool = False, adapter_names: list[str] | None = None, **kwargs)
詳細については、fuse_lora()を参照してください。
load_lora_into_transformer[[diffusers.loaders.AuraFlowLoraLoaderMixin.load_lora_into_transformer]]
load_lora_into_transformer(state_dict, transformer, adapter_name = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False, metadata = None)
詳細については、load_lora_into_unet()を参照してください。
load_lora_weights[[diffusers.loaders.AuraFlowLoraLoaderMixin.load_lora_weights]]
load_lora_weights(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], adapter_name: str | None = None, hotswap: bool = False, **kwargs)
詳細については、load_lora_weights()を参照してください。
lora_state_dict[[diffusers.loaders.AuraFlowLoraLoaderMixin.lora_state_dict]]
lora_state_dict(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], **kwargs)
詳細については、lora_state_dict()を参照してください。
save_lora_weights[[diffusers.loaders.AuraFlowLoraLoaderMixin.save_lora_weights]]
save_lora_weights(save_directory: str | os.PathLike, transformer_lora_layers: dict[str, typing.Union[torch.nn.Module, torch.Tensor]] = None, is_main_process: bool = True, weight_name: str = None, save_function: typing.Callable = None, safe_serialization: bool = True, transformer_lora_adapter_metadata: dict | None = None)
詳細については、save_lora_weights()を参照してください。
unfuse_lora[[diffusers.loaders.AuraFlowLoraLoaderMixin.unfuse_lora]]
unfuse_lora(components: list[str] = ['transformer', 'text_encoder'], **kwargs)
詳細については、unfuse_lora()を参照してください。
LTXVideoLoraLoaderMixin[[diffusers.loaders.LTXVideoLoraLoaderMixin]]
diffusers.loaders.LTXVideoLoraLoaderMixin[[diffusers.loaders.LTXVideoLoraLoaderMixin]]
diffusers.loaders.LTXVideoLoraLoaderMixin()
LoRAレイヤーをLTXVideoTransformer3DModelに読み込みます。LTXPipeline固有の機能です。
fuse_lora[[diffusers.loaders.LTXVideoLoraLoaderMixin.fuse_lora]]
fuse_lora(components: list[str] = ['transformer'], lora_scale: float = 1.0, safe_fusing: bool = False, adapter_names: list[str] | None = None, **kwargs)
詳細については、fuse_lora()を参照してください。
load_lora_into_transformer[[diffusers.loaders.LTXVideoLoraLoaderMixin.load_lora_into_transformer]]
load_lora_into_transformer(state_dict, transformer, adapter_name = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False, metadata = None)
詳細については、load_lora_into_unet()を参照してください。
load_lora_weights[[diffusers.loaders.LTXVideoLoraLoaderMixin.load_lora_weights]]
load_lora_weights(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], adapter_name: str | None = None, hotswap: bool = False, **kwargs)
詳細については、load_lora_weights()を参照してください。
lora_state_dict[[diffusers.loaders.LTXVideoLoraLoaderMixin.lora_state_dict]]
lora_state_dict(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], **kwargs)
詳細については、lora_state_dict()を参照してください。
save_lora_weights[[diffusers.loaders.LTXVideoLoraLoaderMixin.save_lora_weights]]
save_lora_weights(save_directory: str | os.PathLike, transformer_lora_layers: dict[str, typing.Union[torch.nn.Module, torch.Tensor]] = None, is_main_process: bool = True, weight_name: str = None, save_function: typing.Callable = None, safe_serialization: bool = True, transformer_lora_adapter_metadata: dict | None = None)
詳細については、save_lora_weights()を参照してください。
unfuse_lora[[diffusers.loaders.LTXVideoLoraLoaderMixin.unfuse_lora]]
unfuse_lora(components: list[str] = ['transformer'], **kwargs)
詳細については、unfuse_lora()を参照してください。
SanaLoraLoaderMixin[[diffusers.loaders.SanaLoraLoaderMixin]]
diffusers.loaders.SanaLoraLoaderMixin[[diffusers.loaders.SanaLoraLoaderMixin]]
diffusers.loaders.SanaLoraLoaderMixin()
SanaTransformer2DModelにLoRAレイヤーを読み込みます。SanaPipeline固有の機能です。
fuse_lora[[diffusers.loaders.SanaLoraLoaderMixin.fuse_lora]]
fuse_lora(components: list[str] = ['transformer'], lora_scale: float = 1.0, safe_fusing: bool = False, adapter_names: list[str] | None = None, **kwargs)
詳細については、fuse_lora()を参照してください。
load_lora_into_transformer[[diffusers.loaders.SanaLoraLoaderMixin.load_lora_into_transformer]]
load_lora_into_transformer(state_dict, transformer, adapter_name = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False, metadata = None)
詳細については、load_lora_into_unet()を参照してください。
load_lora_weights[[diffusers.loaders.SanaLoraLoaderMixin.load_lora_weights]]
load_lora_weights(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], adapter_name: str | None = None, hotswap: bool = False, **kwargs)
詳細については、load_lora_weights()を参照してください。
lora_state_dict[[diffusers.loaders.SanaLoraLoaderMixin.lora_state_dict]]
lora_state_dict(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], **kwargs)
詳細については、lora_state_dict()を参照してください。
save_lora_weights[[diffusers.loaders.SanaLoraLoaderMixin.save_lora_weights]]
save_lora_weights(save_directory: str | os.PathLike, transformer_lora_layers: dict[str, typing.Union[torch.nn.Module, torch.Tensor]] = None, is_main_process: bool = True, weight_name: str = None, save_function: typing.Callable = None, safe_serialization: bool = True, transformer_lora_adapter_metadata: dict | None = None)
詳細については、save_lora_weights()を参照してください。
unfuse_lora[[diffusers.loaders.SanaLoraLoaderMixin.unfuse_lora]]
unfuse_lora(components: list[str] = ['transformer'], **kwargs)
詳細については、unfuse_lora()を参照してください。
HeliosLoraLoaderMixin[[diffusers.loaders.HeliosLoraLoaderMixin]]
diffusers.loaders.HeliosLoraLoaderMixin[[diffusers.loaders.HeliosLoraLoaderMixin]]
diffusers.loaders.HeliosLoraLoaderMixin()
HeliosTransformer3DModelにLoRAレイヤーを読み込みます。HeliosPipelineおよびHeliosPyramidPipeline固有の機能です。
fuse_lora[[diffusers.loaders.HeliosLoraLoaderMixin.fuse_lora]]
fuse_lora(components: list[str] = ['transformer'], lora_scale: float = 1.0, safe_fusing: bool = False, adapter_names: list[str] | None = None, **kwargs)
詳細については、fuse_lora()を参照してください。
load_lora_into_transformer[[diffusers.loaders.HeliosLoraLoaderMixin.load_lora_into_transformer]]
load_lora_into_transformer(state_dict, transformer, adapter_name = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False, metadata = None)
詳細については、load_lora_into_unet()を参照してください。
load_lora_weights[[diffusers.loaders.HeliosLoraLoaderMixin.load_lora_weights]]
load_lora_weights(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], adapter_name: str | None = None, hotswap: bool = False, **kwargs)
詳細については、load_lora_weights()を参照してください。
lora_state_dict[[diffusers.loaders.HeliosLoraLoaderMixin.lora_state_dict]]
lora_state_dict(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], **kwargs)
詳細については、lora_state_dict()を参照してください。
save_lora_weights[[diffusers.loaders.HeliosLoraLoaderMixin.save_lora_weights]]
save_lora_weights(save_directory: str | os.PathLike, transformer_lora_layers: dict[str, typing.Union[torch.nn.Module, torch.Tensor]] = None, is_main_process: bool = True, weight_name: str = None, save_function: typing.Callable = None, safe_serialization: bool = True, transformer_lora_adapter_metadata: dict | None = None)
詳細については、save_lora_weights()を参照してください。
unfuse_lora[[diffusers.loaders.HeliosLoraLoaderMixin.unfuse_lora]]
unfuse_lora(components: list[str] = ['transformer'], **kwargs)
詳細については、unfuse_lora()を参照してください。
HunyuanVideoLoraLoaderMixin[[diffusers.loaders.HunyuanVideoLoraLoaderMixin]]
diffusers.loaders.HunyuanVideoLoraLoaderMixin[[diffusers.loaders.HunyuanVideoLoraLoaderMixin]]
diffusers.loaders.HunyuanVideoLoraLoaderMixin()
HunyuanVideoTransformer3DModelにLoRAレイヤーを読み込みます。HunyuanVideoPipeline固有の機能です。
fuse_lora[[diffusers.loaders.HunyuanVideoLoraLoaderMixin.fuse_lora]]
fuse_lora(components: list[str] = ['transformer'], lora_scale: float = 1.0, safe_fusing: bool = False, adapter_names: list[str] | None = None, **kwargs)
詳細については、fuse_lora()を参照してください。
load_lora_into_transformer[[diffusers.loaders.HunyuanVideoLoraLoaderMixin.load_lora_into_transformer]]
load_lora_into_transformer(state_dict, transformer, adapter_name = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False, metadata = None)
詳細については、load_lora_into_unet()を参照してください。
load_lora_weights[[diffusers.loaders.HunyuanVideoLoraLoaderMixin.load_lora_weights]]
load_lora_weights(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], adapter_name: str | None = None, hotswap: bool = False, **kwargs)
詳細については、load_lora_weights()を参照してください。
lora_state_dict[[diffusers.loaders.HunyuanVideoLoraLoaderMixin.lora_state_dict]]
lora_state_dict(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], **kwargs)
詳細については、lora_state_dict()を参照してください。
save_lora_weights[[diffusers.loaders.HunyuanVideoLoraLoaderMixin.save_lora_weights]]
save_lora_weights(save_directory: str | os.PathLike, transformer_lora_layers: dict[str, typing.Union[torch.nn.Module, torch.Tensor]] = None, is_main_process: bool = True, weight_name: str = None, save_function: typing.Callable = None, safe_serialization: bool = True, transformer_lora_adapter_metadata: dict | None = None)
詳細については、save_lora_weights()を参照してください。
unfuse_lora[[diffusers.loaders.HunyuanVideoLoraLoaderMixin.unfuse_lora]]
unfuse_lora(components: list[str] = ['transformer'], **kwargs)
詳細については、unfuse_lora()を参照してください。
Lumina2LoraLoaderMixin[[diffusers.loaders.Lumina2LoraLoaderMixin]]
diffusers.loaders.Lumina2LoraLoaderMixin[[diffusers.loaders.Lumina2LoraLoaderMixin]]
diffusers.loaders.Lumina2LoraLoaderMixin()
Lumina2Transformer2DModelにLoRAレイヤーを読み込みます。Lumina2Pipeline固有の機能です。
fuse_lora[[diffusers.loaders.Lumina2LoraLoaderMixin.fuse_lora]]
fuse_lora(components: list[str] = ['transformer'], lora_scale: float = 1.0, safe_fusing: bool = False, adapter_names: list[str] | None = None, **kwargs)
詳細については、fuse_lora()を参照してください。
load_lora_into_transformer[[diffusers.loaders.Lumina2LoraLoaderMixin.load_lora_into_transformer]]
load_lora_into_transformer(state_dict, transformer, adapter_name = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False, metadata = None)
詳細については、load_lora_into_unet()を参照してください。
load_lora_weights[[diffusers.loaders.Lumina2LoraLoaderMixin.load_lora_weights]]
load_lora_weights(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], adapter_name: str | None = None, hotswap: bool = False, **kwargs)
詳細については、load_lora_weights()を参照してください。
lora_state_dict[[diffusers.loaders.Lumina2LoraLoaderMixin.lora_state_dict]]
lora_state_dict(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], **kwargs)
詳細については、lora_state_dict()を参照してください。
save_lora_weights[[diffusers.loaders.Lumina2LoraLoaderMixin.save_lora_weights]]
save_lora_weights(save_directory: str | os.PathLike, transformer_lora_layers: dict[str, typing.Union[torch.nn.Module, torch.Tensor]] = None, is_main_process: bool = True, weight_name: str = None, save_function: typing.Callable = None, safe_serialization: bool = True, transformer_lora_adapter_metadata: dict | None = None)
詳細については、save_lora_weights()を参照してください。
unfuse_lora[[diffusers.loaders.Lumina2LoraLoaderMixin.unfuse_lora]]
unfuse_lora(components: list[str] = ['transformer'], **kwargs)
詳細については、unfuse_lora()を参照してください。
CogView4LoraLoaderMixin[[diffusers.loaders.CogView4LoraLoaderMixin]]
diffusers.loaders.CogView4LoraLoaderMixin[[diffusers.loaders.CogView4LoraLoaderMixin]]
diffusers.loaders.CogView4LoraLoaderMixin()
LoRAレイヤーをWanTransformer3DModelに読み込みます。CogView4Pipeline固有の機能です。
fuse_lora[[diffusers.loaders.CogView4LoraLoaderMixin.fuse_lora]]
fuse_lora(components: list[str] = ['transformer'], lora_scale: float = 1.0, safe_fusing: bool = False, adapter_names: list[str] | None = None, **kwargs)
詳細については、fuse_lora()を参照してください。
load_lora_into_transformer[[diffusers.loaders.CogView4LoraLoaderMixin.load_lora_into_transformer]]
load_lora_into_transformer(state_dict, transformer, adapter_name = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False, metadata = None)
詳細については、load_lora_into_unet()を参照してください。
load_lora_weights[[diffusers.loaders.CogView4LoraLoaderMixin.load_lora_weights]]
load_lora_weights(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], adapter_name: str | None = None, hotswap: bool = False, **kwargs)
詳細については、load_lora_weights()を参照してください。
lora_state_dict[[diffusers.loaders.CogView4LoraLoaderMixin.lora_state_dict]]
lora_state_dict(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], **kwargs)
詳細については、lora_state_dict()を参照してください。
save_lora_weights[[diffusers.loaders.CogView4LoraLoaderMixin.save_lora_weights]]
save_lora_weights(save_directory: str | os.PathLike, transformer_lora_layers: dict[str, typing.Union[torch.nn.Module, torch.Tensor]] = None, is_main_process: bool = True, weight_name: str = None, save_function: typing.Callable = None, safe_serialization: bool = True, transformer_lora_adapter_metadata: dict | None = None)
詳細については、save_lora_weights()を参照してください。
unfuse_lora[[diffusers.loaders.CogView4LoraLoaderMixin.unfuse_lora]]
unfuse_lora(components: list[str] = ['transformer'], **kwargs)
詳細については、unfuse_lora()を参照してください。
WanLoraLoaderMixin[[diffusers.loaders.WanLoraLoaderMixin]]
diffusers.loaders.WanLoraLoaderMixin[[diffusers.loaders.WanLoraLoaderMixin]]
diffusers.loaders.WanLoraLoaderMixin()
LoRAレイヤーをWanTransformer3DModelに読み込みます。WanPipelineと[WanImageToVideoPipelineに固有の機能です。
fuse_lora[[diffusers.loaders.WanLoraLoaderMixin.fuse_lora]]
fuse_lora(components: list[str] = ['transformer'], lora_scale: float = 1.0, safe_fusing: bool = False, adapter_names: list[str] | None = None, **kwargs)
詳細については、fuse_lora()を参照してください。
load_lora_into_transformer[[diffusers.loaders.WanLoraLoaderMixin.load_lora_into_transformer]]
load_lora_into_transformer(state_dict, transformer, adapter_name = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False, metadata = None)
詳細については、load_lora_into_unet()を参照してください。
load_lora_weights[[diffusers.loaders.WanLoraLoaderMixin.load_lora_weights]]
load_lora_weights(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], adapter_name: str | None = None, hotswap: bool = False, **kwargs)
詳細については、load_lora_weights()を参照してください。
lora_state_dict[[diffusers.loaders.WanLoraLoaderMixin.lora_state_dict]]
lora_state_dict(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], **kwargs)
詳細については、lora_state_dict()を参照してください。
save_lora_weights[[diffusers.loaders.WanLoraLoaderMixin.save_lora_weights]]
save_lora_weights(save_directory: str | os.PathLike, transformer_lora_layers: dict[str, typing.Union[torch.nn.Module, torch.Tensor]] = None, is_main_process: bool = True, weight_name: str = None, save_function: typing.Callable = None, safe_serialization: bool = True, transformer_lora_adapter_metadata: dict | None = None)
詳細については、save_lora_weights()を参照してください。
unfuse_lora[[diffusers.loaders.WanLoraLoaderMixin.unfuse_lora]]
unfuse_lora(components: list[str] = ['transformer'], **kwargs)
詳細については、unfuse_lora()を参照してください。
SkyReelsV2LoraLoaderMixin[[diffusers.loaders.SkyReelsV2LoraLoaderMixin]]
diffusers.loaders.SkyReelsV2LoraLoaderMixin[[diffusers.loaders.SkyReelsV2LoraLoaderMixin]]
diffusers.loaders.SkyReelsV2LoraLoaderMixin()
LoRAレイヤーをSkyReelsV2Transformer3DModelに読み込みます。
fuse_lora[[diffusers.loaders.SkyReelsV2LoraLoaderMixin.fuse_lora]]
fuse_lora(components: list[str] = ['transformer'], lora_scale: float = 1.0, safe_fusing: bool = False, adapter_names: list[str] | None = None, **kwargs)
詳細については、fuse_lora()を参照してください。
load_lora_into_transformer[[diffusers.loaders.SkyReelsV2LoraLoaderMixin.load_lora_into_transformer]]
load_lora_into_transformer(state_dict, transformer, adapter_name = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False, metadata = None)
詳細については、load_lora_into_unet()を参照してください。
load_lora_weights[[diffusers.loaders.SkyReelsV2LoraLoaderMixin.load_lora_weights]]
load_lora_weights(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], adapter_name: str | None = None, hotswap: bool = False, **kwargs)
詳細については、load_lora_weights()を参照してください。
lora_state_dict[[diffusers.loaders.SkyReelsV2LoraLoaderMixin.lora_state_dict]]
lora_state_dict(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], **kwargs)
詳細については、lora_state_dict()を参照してください。
save_lora_weights[[diffusers.loaders.SkyReelsV2LoraLoaderMixin.save_lora_weights]]
save_lora_weights(save_directory: str | os.PathLike, transformer_lora_layers: dict[str, typing.Union[torch.nn.Module, torch.Tensor]] = None, is_main_process: bool = True, weight_name: str = None, save_function: typing.Callable = None, safe_serialization: bool = True, transformer_lora_adapter_metadata: dict | None = None)
詳細については、save_lora_weights()を参照してください。
unfuse_lora[[diffusers.loaders.SkyReelsV2LoraLoaderMixin.unfuse_lora]]
unfuse_lora(components: list[str] = ['transformer'], **kwargs)
詳細については、unfuse_lora()を参照してください。
AmusedLoraLoaderMixin[[diffusers.loaders.AmusedLoraLoaderMixin]]
diffusers.loaders.AmusedLoraLoaderMixin[[diffusers.loaders.AmusedLoraLoaderMixin]]
diffusers.loaders.AmusedLoraLoaderMixin()
load_lora_into_transformer[[diffusers.loaders.AmusedLoraLoaderMixin.load_lora_into_transformer]]
load_lora_into_transformer(state_dict, network_alphas, transformer, adapter_name = None, metadata = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False)
詳細については、load_lora_into_unet()を参照してください。
save_lora_weights[[diffusers.loaders.AmusedLoraLoaderMixin.save_lora_weights]]
save_lora_weights(save_directory: str | os.PathLike, text_encoder_lora_layers: dict[str, torch.nn.Module] = None, transformer_lora_layers: dict[str, torch.nn.Module] = None, is_main_process: bool = True, weight_name: str = None, save_function: typing.Callable = None, safe_serialization: bool = True)
パラメータ:
save_directory (str または os.PathLike) : LoRA パラメータを保存するディレクトリ。存在しない場合は作成されます。
unet_lora_layers (dict[str, torch.nn.Module] または dict[str, torch.Tensor]) : unet に対応する LoRA レイヤーの state dict。
text_encoder_lora_layers (dict[str, torch.nn.Module] または dict[str, torch.Tensor]) : text_encoder に対応する LoRA レイヤーの state dict。🤗 Transformers から取得されるため、テキストエンコーダーの LoRA state dict を明示的に渡す必要があります。
is_main_process (bool、任意、デフォルトはTrue) : この関数を呼び出したプロセスがメインプロセスかどうかを示します。分散学習時に、すべてのプロセスでこの関数を呼び出す必要がある場合に便利です。この場合、競合状態を避けるために、メインプロセスでのみis_main_process=Trueを設定してください。
save_function (Callable) : 状態辞書を保存するために使用する関数です。分散学習時に torch.save を別のメソッドに置き換える必要がある場合に便利です。環境変数 DIFFUSERS_SAVE_MODE で設定できます。
safe_serialization (bool、任意、デフォルトはTrue) : モデルをsafetensorsで保存するか、pickleを用いた従来の PyTorch の方法で保存するかどうかを指定します。
UNetおよびテキストエンコーダーに対応するLoRAパラメータを保存します。
AnimaLoraLoaderMixin[[diffusers.loaders.AnimaLoraLoaderMixin]]
diffusers.loaders.AnimaLoraLoaderMixin[[diffusers.loaders.AnimaLoraLoaderMixin]]
diffusers.loaders.AnimaLoraLoaderMixin()
LoRAレイヤーをCosmosTransformer3DModelとAnimaTextConditionerに読み込みます。
fuse_lora[[diffusers.loaders.AnimaLoraLoaderMixin.fuse_lora]]
fuse_lora(components: list[str] = ['transformer', 'text_conditioner'], lora_scale: float = 1.0, safe_fusing: bool = False, adapter_names: list[str] | None = None, **kwargs)
詳細については、fuse_lora()を参照してください。
load_lora_weights[[diffusers.loaders.AnimaLoraLoaderMixin.load_lora_weights]]
load_lora_weights(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], adapter_name: str | None = None, hotswap: bool = False, **kwargs)
詳細については、load_lora_weights()を参照してください。
lora_state_dict[[diffusers.loaders.AnimaLoraLoaderMixin.lora_state_dict]]
lora_state_dict(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], **kwargs)
詳細については、lora_state_dict()を参照してください。
unfuse_lora[[diffusers.loaders.AnimaLoraLoaderMixin.unfuse_lora]]
unfuse_lora(components: list[str] = ['transformer', 'text_conditioner'], **kwargs)
詳細については、unfuse_lora()を参照してください。
AceStepLoraLoaderMixin[[diffusers.loaders.AceStepLoraLoaderMixin]]
diffusers.loaders.AceStepLoraLoaderMixin[[diffusers.loaders.AceStepLoraLoaderMixin]]
diffusers.loaders.AceStepLoraLoaderMixin()
AceStepTransformer1DModelにLoRA層を読み込みます。AceStepPipeline固有の機能です。
fuse_lora[[diffusers.loaders.AceStepLoraLoaderMixin.fuse_lora]]
fuse_lora(components: list[str] = ['transformer'], lora_scale: float = 1.0, safe_fusing: bool = False, adapter_names: list[str] | None = None, **kwargs)
詳細については、fuse_lora()を参照してください。
load_lora_into_transformer[[diffusers.loaders.AceStepLoraLoaderMixin.load_lora_into_transformer]]
load_lora_into_transformer(state_dict, transformer, adapter_name = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False, metadata = None)
詳細については、load_lora_into_unet()を参照してください。
load_lora_weights[[diffusers.loaders.AceStepLoraLoaderMixin.load_lora_weights]]
load_lora_weights(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], adapter_name: str | None = None, hotswap: bool = False, **kwargs)
詳細については、load_lora_weights()を参照してください。
lora_state_dict[[diffusers.loaders.AceStepLoraLoaderMixin.lora_state_dict]]
lora_state_dict(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], **kwargs)
詳細については、lora_state_dict()を参照してください。
save_lora_weights[[diffusers.loaders.AceStepLoraLoaderMixin.save_lora_weights]]
save_lora_weights(save_directory: str | os.PathLike, transformer_lora_layers: dict[str, typing.Union[torch.nn.Module, torch.Tensor]] = None, is_main_process: bool = True, weight_name: str = None, save_function: typing.Callable = None, safe_serialization: bool = True, transformer_lora_adapter_metadata: dict | None = None)
詳細については、save_lora_weights()を参照してください。
unfuse_lora[[diffusers.loaders.AceStepLoraLoaderMixin.unfuse_lora]]
unfuse_lora(components: list[str] = ['transformer'], **kwargs)
詳細については、unfuse_lora()を参照してください。
HiDreamImageLoraLoaderMixin[[diffusers.loaders.HiDreamImageLoraLoaderMixin]]
diffusers.loaders.HiDreamImageLoraLoaderMixin[[diffusers.loaders.HiDreamImageLoraLoaderMixin]]
diffusers.loaders.HiDreamImageLoraLoaderMixin()
HiDreamImageTransformer2DModelにLoRAレイヤーを読み込みます。HiDreamImagePipeline固有の機能です。
fuse_lora[[diffusers.loaders.HiDreamImageLoraLoaderMixin.fuse_lora]]
fuse_lora(components: list[str] = ['transformer'], lora_scale: float = 1.0, safe_fusing: bool = False, adapter_names: list[str] | None = None, **kwargs)
詳細については、fuse_lora()を参照してください。
load_lora_into_transformer[[diffusers.loaders.HiDreamImageLoraLoaderMixin.load_lora_into_transformer]]
load_lora_into_transformer(state_dict, transformer, adapter_name = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False, metadata = None)
詳細については、load_lora_into_unet()を参照してください。
load_lora_weights[[diffusers.loaders.HiDreamImageLoraLoaderMixin.load_lora_weights]]
load_lora_weights(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], adapter_name: str | None = None, hotswap: bool = False, **kwargs)
詳細については、load_lora_weights()を参照してください。
lora_state_dict[[diffusers.loaders.HiDreamImageLoraLoaderMixin.lora_state_dict]]
lora_state_dict(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], **kwargs)
詳細については、lora_state_dict()を参照してください。
save_lora_weights[[diffusers.loaders.HiDreamImageLoraLoaderMixin.save_lora_weights]]
save_lora_weights(save_directory: str | os.PathLike, transformer_lora_layers: dict[str, typing.Union[torch.nn.Module, torch.Tensor]] = None, is_main_process: bool = True, weight_name: str = None, save_function: typing.Callable = None, safe_serialization: bool = True, transformer_lora_adapter_metadata: dict | None = None)
詳細については、save_lora_weights()を参照してください。
unfuse_lora[[diffusers.loaders.HiDreamImageLoraLoaderMixin.unfuse_lora]]
unfuse_lora(components: list[str] = ['transformer'], **kwargs)
詳細については、unfuse_lora()を参照してください。
QwenImageLoraLoaderMixin[[diffusers.loaders.QwenImageLoraLoaderMixin]]
diffusers.loaders.QwenImageLoraLoaderMixin[[diffusers.loaders.QwenImageLoraLoaderMixin]]
diffusers.loaders.QwenImageLoraLoaderMixin()
QwenImageTransformer2DModelにLoRAレイヤーを読み込みます。QwenImagePipeline固有の機能です。
fuse_lora[[diffusers.loaders.QwenImageLoraLoaderMixin.fuse_lora]]
fuse_lora(components: list[str] = ['transformer'], lora_scale: float = 1.0, safe_fusing: bool = False, adapter_names: list[str] | None = None, **kwargs)
詳細については、fuse_lora()を参照してください。
load_lora_into_transformer[[diffusers.loaders.QwenImageLoraLoaderMixin.load_lora_into_transformer]]
load_lora_into_transformer(state_dict, transformer, adapter_name = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False, metadata = None)
詳細については、load_lora_into_unet()を参照してください。
load_lora_weights[[diffusers.loaders.QwenImageLoraLoaderMixin.load_lora_weights]]
load_lora_weights(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], adapter_name: str | None = None, hotswap: bool = False, **kwargs)
詳細については、load_lora_weights()を参照してください。
lora_state_dict[[diffusers.loaders.QwenImageLoraLoaderMixin.lora_state_dict]]
lora_state_dict(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], **kwargs)
詳細については、lora_state_dict()を参照してください。
save_lora_weights[[diffusers.loaders.QwenImageLoraLoaderMixin.save_lora_weights]]
save_lora_weights(save_directory: str | os.PathLike, transformer_lora_layers: dict[str, typing.Union[torch.nn.Module, torch.Tensor]] = None, is_main_process: bool = True, weight_name: str = None, save_function: typing.Callable = None, safe_serialization: bool = True, transformer_lora_adapter_metadata: dict | None = None)
詳細については、save_lora_weights()を参照してください。
unfuse_lora[[diffusers.loaders.QwenImageLoraLoaderMixin.unfuse_lora]]
unfuse_lora(components: list[str] = ['transformer'], **kwargs)
詳細については、unfuse_lora()を参照してください。
ZImageLoraLoaderMixin[[diffusers.loaders.ZImageLoraLoaderMixin]]
diffusers.loaders.ZImageLoraLoaderMixin[[diffusers.loaders.ZImageLoraLoaderMixin]]
diffusers.loaders.ZImageLoraLoaderMixin()
LoRAレイヤーをZImageTransformer2DModelに読み込みます。ZImagePipeline固有の機能です。
fuse_lora[[diffusers.loaders.ZImageLoraLoaderMixin.fuse_lora]]
fuse_lora(components: list[str] = ['transformer'], lora_scale: float = 1.0, safe_fusing: bool = False, adapter_names: list[str] | None = None, **kwargs)
詳細については、fuse_lora()を参照してください。
load_lora_into_transformer[[diffusers.loaders.ZImageLoraLoaderMixin.load_lora_into_transformer]]
load_lora_into_transformer(state_dict, transformer, adapter_name = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False, metadata = None)
詳細については、load_lora_into_unet()を参照してください。
load_lora_weights[[diffusers.loaders.ZImageLoraLoaderMixin.load_lora_weights]]
load_lora_weights(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], adapter_name: str | None = None, hotswap: bool = False, **kwargs)
詳細については、load_lora_weights()を参照してください。
lora_state_dict[[diffusers.loaders.ZImageLoraLoaderMixin.lora_state_dict]]
lora_state_dict(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], **kwargs)
詳細については、lora_state_dict()を参照してください。
save_lora_weights[[diffusers.loaders.ZImageLoraLoaderMixin.save_lora_weights]]
save_lora_weights(save_directory: str | os.PathLike, transformer_lora_layers: dict[str, typing.Union[torch.nn.Module, torch.Tensor]] = None, is_main_process: bool = True, weight_name: str = None, save_function: typing.Callable = None, safe_serialization: bool = True, transformer_lora_adapter_metadata: dict | None = None)
詳細については、save_lora_weights()を参照してください。
unfuse_lora[[diffusers.loaders.ZImageLoraLoaderMixin.unfuse_lora]]
unfuse_lora(components: list[str] = ['transformer'], **kwargs)
詳細については、unfuse_lora()を参照してください。
CosmosLoraLoaderMixin[[diffusers.loaders.CosmosLoraLoaderMixin]]
diffusers.loaders.CosmosLoraLoaderMixin[[diffusers.loaders.CosmosLoraLoaderMixin]]
diffusers.loaders.CosmosLoraLoaderMixin()
CosmosTransformer3DModelにLoRA層を読み込みます。Cosmos2_5_PredictBasePipeline固有の処理です。
fuse_lora[[diffusers.loaders.CosmosLoraLoaderMixin.fuse_lora]]
fuse_lora(components: list[str] = ['transformer'], lora_scale: float = 1.0, safe_fusing: bool = False, adapter_names: list[str] | None = None, **kwargs)
詳細については、fuse_lora()を参照してください。
load_lora_into_transformer[[diffusers.loaders.CosmosLoraLoaderMixin.load_lora_into_transformer]]
load_lora_into_transformer(state_dict, transformer, adapter_name = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False, metadata = None)
詳細については、load_lora_into_unet()を参照してください。
load_lora_weights[[diffusers.loaders.CosmosLoraLoaderMixin.load_lora_weights]]
load_lora_weights(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], adapter_name: str | None = None, hotswap: bool = False, **kwargs)
詳細については、load_lora_weights()を参照してください。
lora_state_dict[[diffusers.loaders.CosmosLoraLoaderMixin.lora_state_dict]]
lora_state_dict(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], **kwargs)
詳細については、lora_state_dict()を参照してください。
save_lora_weights[[diffusers.loaders.CosmosLoraLoaderMixin.save_lora_weights]]
save_lora_weights(save_directory: str | os.PathLike, transformer_lora_layers: dict[str, typing.Union[torch.nn.Module, torch.Tensor]] = None, is_main_process: bool = True, weight_name: str = None, save_function: typing.Callable = None, safe_serialization: bool = True, transformer_lora_adapter_metadata: dict | None = None)
詳細については、save_lora_weights()を参照してください。
unfuse_lora[[diffusers.loaders.CosmosLoraLoaderMixin.unfuse_lora]]
unfuse_lora(components: list[str] = ['transformer'], **kwargs)
詳細については、unfuse_lora()を参照してください。
KandinskyLoraLoaderMixin[[diffusers.loaders.KandinskyLoraLoaderMixin]]
diffusers.loaders.KandinskyLoraLoaderMixin[[diffusers.loaders.KandinskyLoraLoaderMixin]]
diffusers.loaders.KandinskyLoraLoaderMixin()
Kandinsky5Transformer3DModelにLoRA層を読み込み、
fuse_lora[[diffusers.loaders.KandinskyLoraLoaderMixin.fuse_lora]]
fuse_lora(components: list[str] = ['transformer'], lora_scale: float = 1.0, safe_fusing: bool = False, adapter_names: list[str] | None = None, **kwargs)
詳細については、fuse_lora()を参照してください。
load_lora_into_transformer[[diffusers.loaders.KandinskyLoraLoaderMixin.load_lora_into_transformer]]
load_lora_into_transformer(state_dict, transformer, adapter_name = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False, metadata = None)
詳細については、load_lora_into_unet()を参照してください。
load_lora_weights[[diffusers.loaders.KandinskyLoraLoaderMixin.load_lora_weights]]
load_lora_weights(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], adapter_name: str | None = None, hotswap: bool = False, **kwargs)
詳細については、load_lora_weights()を参照してください。
lora_state_dict[[diffusers.loaders.KandinskyLoraLoaderMixin.lora_state_dict]]
lora_state_dict(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], **kwargs)
詳細については、lora_state_dict()を参照してください。
save_lora_weights[[diffusers.loaders.KandinskyLoraLoaderMixin.save_lora_weights]]
save_lora_weights(save_directory: str | os.PathLike, transformer_lora_layers: dict[str, typing.Union[torch.nn.Module, torch.Tensor]] = None, is_main_process: bool = True, weight_name: str = None, save_function: typing.Callable = None, safe_serialization: bool = True, transformer_lora_adapter_metadata: dict | None = None)
詳細については、save_lora_weights()を参照してください。
unfuse_lora[[diffusers.loaders.KandinskyLoraLoaderMixin.unfuse_lora]]
unfuse_lora(components: list[str] = ['transformer'], **kwargs)
詳細については、unfuse_lora()を参照してください。
Ideogram4LoraLoaderMixin[[diffusers.loaders.Ideogram4LoraLoaderMixin]]
diffusers.loaders.Ideogram4LoraLoaderMixin[[diffusers.loaders.Ideogram4LoraLoaderMixin]]
diffusers.loaders.Ideogram4LoraLoaderMixin()
Ideogram4Transformer2DModel に LoRA レイヤーを読み込みます。Ideogram4Pipeline 固有の機能です。
fuse_lora[[diffusers.loaders.Ideogram4LoraLoaderMixin.fuse_lora]]
fuse_lora(components: list[str] = ['transformer'], lora_scale: float = 1.0, safe_fusing: bool = False, adapter_names: list[str] | None = None, **kwargs)
詳細については、fuse_lora()を参照してください。
load_lora_into_transformer[[diffusers.loaders.Ideogram4LoraLoaderMixin.load_lora_into_transformer]]
load_lora_into_transformer(state_dict, transformer, adapter_name = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False, metadata = None)
詳細については、load_lora_into_unet()を参照してください。
load_lora_weights[[diffusers.loaders.Ideogram4LoraLoaderMixin.load_lora_weights]]
load_lora_weights(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], adapter_name: str | None = None, hotswap: bool = False, **kwargs)
詳細については、load_lora_weights()を参照してください。
lora_state_dict[[diffusers.loaders.Ideogram4LoraLoaderMixin.lora_state_dict]]
lora_state_dict(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], **kwargs)
詳細については、lora_state_dict()を参照してください。
save_lora_weights[[diffusers.loaders.Ideogram4LoraLoaderMixin.save_lora_weights]]
save_lora_weights(save_directory: str | os.PathLike, transformer_lora_layers: dict[str, typing.Union[torch.nn.Module, torch.Tensor]] = None, is_main_process: bool = True, weight_name: str = None, save_function: typing.Callable = None, safe_serialization: bool = True, transformer_lora_adapter_metadata: dict | None = None)
詳細については、save_lora_weights()を参照してください。
unfuse_lora[[diffusers.loaders.Ideogram4LoraLoaderMixin.unfuse_lora]]
unfuse_lora(components: list[str] = ['transformer'], **kwargs)
詳細については、unfuse_lora()を参照してください。
Krea2LoraLoaderMixin[[diffusers.loaders.Krea2LoraLoaderMixin]]
diffusers.loaders.Krea2LoraLoaderMixin[[diffusers.loaders.Krea2LoraLoaderMixin]]
diffusers.loaders.Krea2LoraLoaderMixin()
Krea2Transformer2DModelにLoRAレイヤーを読み込みます。Krea2Pipeline固有の機能です。
fuse_lora[[diffusers.loaders.Krea2LoraLoaderMixin.fuse_lora]]
fuse_lora(components: list[str] = ['transformer'], lora_scale: float = 1.0, safe_fusing: bool = False, adapter_names: list[str] | None = None, **kwargs)
詳細については、fuse_lora()を参照してください。
load_lora_into_transformer[[diffusers.loaders.Krea2LoraLoaderMixin.load_lora_into_transformer]]
load_lora_into_transformer(state_dict, transformer, adapter_name = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False, metadata = None)
詳細については、load_lora_into_unet()を参照してください。
load_lora_weights[[diffusers.loaders.Krea2LoraLoaderMixin.load_lora_weights]]
load_lora_weights(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], adapter_name: str | None = None, hotswap: bool = False, **kwargs)
詳細については、load_lora_weights()を参照してください。
lora_state_dict[[diffusers.loaders.Krea2LoraLoaderMixin.lora_state_dict]]
lora_state_dict(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], **kwargs)
詳細については、lora_state_dict()を参照してください。
save_lora_weights[[diffusers.loaders.Krea2LoraLoaderMixin.save_lora_weights]]
save_lora_weights(save_directory: str | os.PathLike, transformer_lora_layers: dict[str, typing.Union[torch.nn.Module, torch.Tensor]] = None, is_main_process: bool = True, weight_name: str = None, save_function: typing.Callable = None, safe_serialization: bool = True, transformer_lora_adapter_metadata: dict | None = None)
詳細については、save_lora_weights()を参照してください。
unfuse_lora[[diffusers.loaders.Krea2LoraLoaderMixin.unfuse_lora]]
unfuse_lora(components: list[str] = ['transformer'], **kwargs)
詳細については、unfuse_lora()を参照してください。
MiniMaxH3LoraLoaderMixin[[diffusers.loaders.MiniMaxH3LoraLoaderMixin]]
diffusers.loaders.MiniMaxH3LoraLoaderMixin[[diffusers.loaders.MiniMaxH3LoraLoaderMixin]]
diffusers.loaders.MiniMaxH3LoraLoaderMixin()
MiniMaxH3Transformer3DModelにLoRAレイヤーを読み込みます。MiniMaxH3ModularPipeline固有の機能です。
MiniMax-H3 は、同一のモジュール名を持つ 2 つの独立した DiT パーティションを備えています（片方の LoRA を読み込むと、もう片方に読み込まれて出力が劣化します）。そのため、ルーティングは明示的に行われます。変換後の state dict は transformer. をターゲットにします。transformer_ref にアクセスするには、transformer_ref. をプレフィックスとしたファイルを使用するか、load_into_transformer_ref=True を指定してください。
DiffSynth-Studio の LoRA（例: DiffSynth-Studio/MiniMax-H3-LoRA-LineartAnime）は、生チェックポイントのヘッドごとにインターリーブされた融合 QKV に対して学習されており、変換時にデインターリーブされます。これらの fp32 係数により、非融合 LoRA パスでの計算が fp32 で行われるため、モデルの読み込み後に .to(torch.bfloat16) を適用することで、bf16 のメモリ予算を回復できます。
プルーニング済みチェックポイントに対して学習された LoRA（Comfy-Org/MiniMax-H3 内の *_pruned_* ファイル。その一つが joyfox/MiniMax-H3-Turbo）は、サイズ不一致で失敗します。Alpha を含まないファイルは alpha == rank（スケール 1.0。例えば larryvrh/MiniMax-H3-Turbo-Lora に記載されている慣例）で読み込まれます。一方、__metadata__ に alpha エントリ（例えば lightx2v/Minimax-h3-Turbo の 8 ステップファイル）が存在する場合は、その値が優先的に使用されます。
fuse_lora[[diffusers.loaders.MiniMaxH3LoraLoaderMixin.fuse_lora]]
fuse_lora(components: list[str] = ['transformer', 'transformer_ref'], lora_scale: float = 1.0, safe_fusing: bool = False, adapter_names: list[str] | None = None, **kwargs)
詳細については、fuse_lora()を参照してください。
load_lora_into_transformer[[diffusers.loaders.MiniMaxH3LoraLoaderMixin.load_lora_into_transformer]]
load_lora_into_transformer(state_dict, transformer, adapter_name = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False, metadata = None)
詳細については、load_lora_into_unet()を参照してください。
load_lora_into_transformer_ref[[diffusers.loaders.MiniMaxH3LoraLoaderMixin.load_lora_into_transformer_ref]]
load_lora_into_transformer_ref(state_dict, transformer_ref, prefix, adapter_name = None, _pipeline = None, low_cpu_mem_usage = False, hotswap: bool = False, metadata = None)
transformer_ref パーティションに LoRA レイヤーを読み込みます。prefix はキーが持つコンポーネント名で、パーティション名を指定するファイルでは transformer_ref、load_into_transformer_ref=True によってここにルーティングされるファイルでは transformer になります。詳細は load_lora_into_unet() を参照してください。
load_lora_weights[[diffusers.loaders.MiniMaxH3LoraLoaderMixin.load_lora_weights]]
load_lora_weights(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], adapter_name: str | None = None, hotswap: bool = False, load_into_transformer_ref: bool = False, **kwargs)
パラメータ:
load_into_transformer_ref (bool、デフォルトは False) : transformer.プレフィックスのレイヤーを transformer ではなく、ref2va ワークフローがデノイズに使用する transformer_ref パーティションに読み込みます。両方のパーティションが読み込まれている場合のみ必要です。transformer_ref だけを保持するパイプラインは、自動的にそちらにルーティングします。
transformer に LoRA 層を読み込みます。load_into_transformer_ref=True を指定すると、transformer_ref に読み込まれます。詳細は load_lora_weights() を参照してください。
lora_state_dict[[diffusers.loaders.MiniMaxH3LoraLoaderMixin.lora_state_dict]]
lora_state_dict(pretrained_model_name_or_path_or_dict: str | dict[str, torch.Tensor], **kwargs)
詳細については、lora_state_dict()を参照してください。
save_lora_weights[[diffusers.loaders.MiniMaxH3LoraLoaderMixin.save_lora_weights]]
save_lora_weights(save_directory: str | os.PathLike, transformer_lora_layers: dict[str, typing.Union[torch.nn.Module, torch.Tensor]] = None, transformer_ref_lora_layers: dict[str, typing.Union[torch.nn.Module, torch.Tensor]] = None, is_main_process: bool = True, weight_name: str = None, save_function: typing.Callable = None, safe_serialization: bool = True, transformer_lora_adapter_metadata: dict | None = None, transformer_ref_lora_adapter_metadata: dict | None = None)
MiniMax-H3 の1つのパーティション、または両方のパーティションの LoRA レイヤーを保存します。LoRA がどのパーティションに属するかは、そのキーから復元できないため、これを記録した H3 LoRA を公開するには、これが唯一の方法です。詳細については、save_lora_weights()を参照してください。
unfuse_lora[[diffusers.loaders.MiniMaxH3LoraLoaderMixin.unfuse_lora]]
unfuse_lora(components: list[str] = ['transformer', 'transformer_ref'], **kwargs)
詳細については、unfuse_lora()を参照してください。
PikaH3FlexLoraLoaderMixin[[diffusers.loaders.PikaH3FlexLoraLoaderMixin]]
diffusers.loaders.PikaH3FlexLoraLoaderMixin[[diffusers.loaders.PikaH3FlexLoraLoaderMixin]]
diffusers.loaders.PikaH3FlexLoraLoaderMixin()
MiniMaxH3Transformer3DModelにLoRAレイヤーを読み込みます。PikaH3FlexModularPipeline固有の機能です。
Pika H3 Flex のリリースは、2 つの MiniMax-H3 transformer パーティションに対する rank-128 のアダプター対であり、diffusers のモジュール名をそのまま使った通常の PEFT ダンプとして公開されています（transformer には fl2va/adapter.safetensors、transformer_ref には ref2va/adapter.safetensors）。alpha を含まないファイルは alpha == rank（スケール 1.0）で読み込まれ、これはアダプター自身の契約です。読み込み、ルーティング、保存は MiniMaxH3LoraLoaderMixin のものに従います。fl2va アダプターは transformer に入り、ref2va アダプターは transformer_ref に入ります。パイプラインがそのパーティションのみを保持している場合（workflow="ref2va"）は単独で、両方を保持している場合は load_into_transformer_ref=True を指定して読み込まれます。
pipe.load_lora_weights("Pika-Labs/Pika-H3-Flex", weight_name="fl2va/adapter.safetensors")
LoraBaseMixin[[diffusers.loaders.lora_base.LoraBaseMixin]]
diffusers.loaders.lora_base.LoraBaseMixin[[diffusers.loaders.lora_base.LoraBaseMixin]]
diffusers.loaders.lora_base.LoraBaseMixin()
LoRAの処理を行うユーティリティクラスです。
delete_adapters[[diffusers.loaders.lora_base.LoraBaseMixin.delete_adapters]]
delete_adapters(adapter_names: list[str] | str)
パラメータ:
adapter_names (list[str, str]) : 削除するアダプターの名前。
パイプラインからアダプターのLoRA層を削除します。
例:
from diffusers import AutoPipelineForText2Image
import torch
pipeline = AutoPipelineForText2Image.from_pretrained(
"stabilityai/stable-diffusion-xl-base-1.0", torch_dtype=torch.float16
).to("cuda")
pipeline.load_lora_weights(
"jbilcke-hf/sdxl-cinematic-1", weight_name="pytorch_lora_weights.safetensors", adapter_names="cinematic"
)
pipeline.delete_adapters("cinematic")
disable_lora[[diffusers.loaders.lora_base.LoraBaseMixin.disable_lora]]
disable_lora()
パイプラインのアクティブなLoRAレイヤーを無効にします。
例:
from diffusers import AutoPipelineForText2Image
import torch
pipeline = AutoPipelineForText2Image.from_pretrained(
"stabilityai/stable-diffusion-xl-base-1.0", torch_dtype=torch.float16
).to("cuda")
pipeline.load_lora_weights(
"jbilcke-hf/sdxl-cinematic-1", weight_name="pytorch_lora_weights.safetensors", adapter_name="cinematic"
)
pipeline.disable_lora()
enable_lora[[diffusers.loaders.lora_base.LoraBaseMixin.enable_lora]]
enable_lora()
パイプラインのアクティブなLoRAレイヤーを有効にします。
例:
from diffusers import AutoPipelineForText2Image
import torch
pipeline = AutoPipelineForText2Image.from_pretrained(
"stabilityai/stable-diffusion-xl-base-1.0", torch_dtype=torch.float16
).to("cuda")
pipeline.load_lora_weights(
"jbilcke-hf/sdxl-cinematic-1", weight_name="pytorch_lora_weights.safetensors", adapter_name="cinematic"
)
pipeline.enable_lora()
enable_lora_hotswap[[diffusers.loaders.lora_base.LoraBaseMixin.enable_lora_hotswap]]
enable_lora_hotswap(**kwargs)
パラメータ:
target_rank (int) : 読み込まれるすべてのアダプターの中で最も高いランク。
check_compiled (str、任意、デフォルトは"error") : すでにコンパイル済みのモデルをどのように扱うかを指定します。チェックは以下のメッセージを返す可能性があります: - "error" (デフォルト): エラーを送出します - "warn": 警告を発行します - "ignore": 何もしません
…
fuse_lora[[diffusers.loaders.lora_base.LoraBaseMixin.fuse_lora]]
fuse_lora(components: list[str] | None = None, lora_scale: float = 1.0, safe_fusing: bool = False, adapter_names: list[str] | None = None, **kwargs)
パラメータ:
components : (list[str]): LoRA を融合する対象の、LoRA 注入可能なコンポーネントのリスト。
lora_scale (float、デフォルト値は 1.0) : LoRA パラメータによる出力への影響度を制御します。
safe_fusing (bool、デフォルトはFalse) : 融合前に融合対象の重みにNaN値があるかをチェックし、NaN値が存在する場合は融合しないかどうかを指定します。
adapter_names (list[str], 任意) : 融合に使用するアダプター名。何も渡されない場合、すべてのアクティブなアダプターが融合されます。
対応するブロックの元のパラメータにLoRAパラメータを融合します。
例:
from diffusers import DiffusionPipeline
import torch
pipeline = DiffusionPipeline.from_pretrained(
"stabilityai/stable-diffusion-xl-base-1.0", torch_dtype=torch.float16
).to("cuda")
pipeline.load_lora_weights("nerijs/pixel-art-xl", weight_name="pixel-art-xl.safetensors", adapter_name="pixel")
pipeline.fuse_lora(lora_scale=0.7)
get_active_adapters[[diffusers.loaders.lora_base.LoraBaseMixin.get_active_adapters]]
get_active_adapters()
現在アクティブなアダプターのリストを取得します。
例:
from diffusers import DiffusionPipeline
pipeline = DiffusionPipeline.from_pretrained(
"stabilityai/stable-diffusion-xl-base-1.0",
).to("cuda")
pipeline.load_lora_weights("CiroN2022/toy-face", weight_name="toy_face_sdxl.safetensors", adapter_name="toy")
pipeline.get_active_adapters()
get_list_adapters[[diffusers.loaders.lora_base.LoraBaseMixin.get_list_adapters]]
get_list_adapters()
パイプライン内で現在利用可能なすべてのアダプターの一覧を取得します。
set_adapters[[diffusers.loaders.lora_base.LoraBaseMixin.set_adapters]]
set_adapters(adapter_names: list[str] | str, adapter_weights: float | dict[str, float | dict | None] | list[float | dict[str, float | dict | None] | None] | None = None)
パラメータ:
adapter_names (list[str] または str) : 使用するアダプターの名前。
adapter_weights (float、dictまたはlist、省略可) : アダプター用の重みです。スカラー値は、すべてのLoRA互換コンポーネントにスケーリングを適用します。辞書は、コンポーネント名（例: "unet"、"transformer"または"text_encoder"）を重みにマッピングします。UNetコンポーネントの重みは、ブロックのスケーリングを格納したネストされた辞書也可以是ります。単一のスカラー値または辞書は、すべてのアダプターに適用されます。リストの場合、adapter_namesの順序に従って、アダプターごとにスカラー値、辞書、またはNoneを1つずつ含める必要があります。Noneは、リストの要素およびコンポーネントの重みにおいて、デフォルトで1.0になります。指定されていないコンポーネントおよびUNetブロックも、デフォルトで1.0になります。
パイプラインで使用するために、現在アクティブなアダプターを設定します。
例:
from diffusers import AutoPipelineForText2Image
import torch
pipeline = AutoPipelineForText2Image.from_pretrained(
"stabilityai/stable-diffusion-xl-base-1.0", torch_dtype=torch.float16
).to("cuda")
pipeline.load_lora_weights(
"jbilcke-hf/sdxl-cinematic-1", weight_name="pytorch_lora_weights.safetensors", adapter_name="cinematic"
)
pipeline.load_lora_weights(
"troveski/sdxl-lora", weight_name="pytorch_lora_weights.safetensors", adapter_name="illustration"
)
pipeline.set_adapters(["cinematic", "illustration"], adapter_weights=[0.5, 0.5])
pipeline.set_adapters(
["cinematic", "illustration"],
adapter_weights=[{"unet": 0.5}, {"unet": 0.8, "text_encoder": 0.6}],
)
set_lora_device[[diffusers.loaders.lora_base.LoraBaseMixin.set_lora_device]]
set_lora_device(adapter_names: list[str], device: torch.device | str | int)
パラメータ:
adapter_names (list[str]) : デバイスに送信するアダプターのリスト。
device (torch.device | str | int) : アダプターを送信するデバイス。torch のデバイス、文字列、または整数のいずれかです。
adapter_names にリストされている LoRA をターゲットデバイスに移動します。複数のアダプターを読み込んで GPU メモリを解放したい場合に、LoRA を CPU にオフロードするために便利です。
LoRA アダプターを CPU にオフロードした後、モデルの残りがまだ GPU にある限り、デバイス不一致が発生するため、LoRA アダプターは推論に使用できなくなります。これらの LoRA アダプターを推論に使用する前に、デバイスを GPU に戻すことを忘れないでください。
>>> pipe.load_lora_weights(path_1, adapter_name="adapter-1")
>>> pipe.load_lora_weights(path_2, adapter_name="adapter-2")
>>> pipe.set_adapters("adapter-1")
>>> image_1 = pipe(**kwargs)
>>> # switch to adapter-2, offload adapter-1
>>> pipeline.set_lora_device(adapter_names=["adapter-1"], device="cpu")
>>> pipeline.set_lora_device(adapter_names=["adapter-2"], device="cuda:0")
>>> pipe.set_adapters("adapter-2")
>>> image_2 = pipe(**kwargs)
>>> # switch back to adapter-1, offload adapter-2
>>> pipeline.set_lora_device(adapter_names=["adapter-2"], device="cpu")
>>> pipeline.set_lora_device(adapter_names=["adapter-1"], device="cuda:0")
>>> pipe.set_adapters("adapter-1")
>>> ...
unfuse_lora[[diffusers.loaders.lora_base.LoraBaseMixin.unfuse_lora]]
unfuse_lora(components: list[str] | None = None, **kwargs)
パラメータ:
components (list[str]) : LoRA をアンフュージョンする対象の LoRA 注入可能コンポーネントのリスト。
unfuse_unet (bool、デフォルトはTrue) : UNetのLoRAパラメータをアンフュージョンするかどうかを指定します。
unfuse_text_encoder (bool、デフォルトはTrue) : テキストエンコーダーのLoRAパラメータをアンフュージョン（分離）するかどうか。テキストエンコーダーがLoRAパラメータでモンキーパッチされていない場合、この設定は効果を持ちません。
pipe.fuse_lora() の効果を逆転します。
unload_lora_weights[[diffusers.loaders.lora_base.LoraBaseMixin.unload_lora_weights]]
unload_lora_weights()
LoRAパラメータをアンロードします。
例:
>>> # Assuming `pipeline` is already loaded with the LoRA parameters.
>>> pipeline.unload_lora_weights()
>>> ...
write_lora_layers[[diffusers.loaders.lora_base.LoraBaseMixin.write_lora_layers]]
write_lora_layers(state_dict: dict[str, torch.Tensor], save_directory: str, is_main_process: bool, weight_name: str, save_function: Callable, safe_serialization: bool, lora_adapter_metadata: dict | None = None)
LoRA層のstate dictを（メタデータ付きで）ディスクに書き込みます。
Xet Storage Details
- Size:
- 177 kB
- Xet hash:
- 935167c079e8548c9bdecd0ef2db28e7874e13d4b97dea2f6afa5325e004372e
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.