diffusers/main/ko/api/models/auto_model.md

AutoModel

AutoModel은 체크포인트의 config.json 파일에서 올바른 모델 클래스를 자동으로 가져옵니다.

AutoModel[[diffusers.AutoModel]]

diffusers.AutoModel[[diffusers.AutoModel]]

diffusers.AutoModel(*args, **kwargs)

소스

from_pretrained[[diffusers.AutoModel.from_pretrained]]

from_pretrained(pretrained_model_or_path: str | os.PathLike | None = None, **kwargs)

소스

매개변수:

pretrained_model_name_or_path (str 또는 os.PathLike, 선택 사항) : 다음 중 하나일 수 있습니다. - Hub에 호스팅된 사전 학습 모델의 모델 ID 문자열(예: google/ddpm-celebahq-256). - save_pretrained()로 저장된 모델 가중치를 포함하는 디렉터리 경로(예: ./my_model_directory).

cache_dir (str | os.PathLike, 선택 사항) : 표준 캐시를 사용하지 않을 경우, 다운로드된 사전 학습 모델 구성이 캐시되는 디렉터리의 경로입니다.

dtype (torch.dtype, 선택 사항) : 기본 torch.dtype를 재정의하여 다른 dtype로 모델을 로드합니다.

force_download (bool, 선택 사항, 기본값 False) : 캐시된 버전이 존재하더라도 모델 가중치 및 구성 파일의 (재)다운로드를 강제할지 여부.

proxies (dict[str, str], 선택 사항) : 프로토콜 또는 엔드포인트별로 사용할 프록시 서버의 사전입니다. 예를 들어, {'http': 'foo.bar:3128', 'http://hostname': 'foo.bar:4012'}와 같습니다. 각 요청에 프록시가 사용됩니다.

output_loading_info (bool, 선택 사항, 기본값 False) : 누락된 키, 예상치 못한 키 및 오류 메시지가 포함된 사전도 함께 반환할지 여부.

local_files_only(bool, 선택 사항, 기본값 False) : 로컬 모델 가중치 및 구성 파일만 로드할지 여부입니다. True로 설정하면 Hub에서 모델을 다운로드하지 않습니다.

token (str 또는 bool, 선택 사항) : 원격 파일에 대한 HTTP bearer 인증으로 사용할 토큰입니다. True인 경우, diffusers-cli login에서 생성된 토큰(~/.huggingface에 저장됨)이 사용됩니다.

revision (str, 선택 사항, 기본값 "main") : 사용할 특정 모델 버전입니다. Git에서 허용하는 브랜치 이름, 태그 이름, 커밋 ID 또는 기타 식별자일 수 있습니다.

subfolder (str, 선택 사항, 기본값 "") : Hub 또는 로컬의 더 큰 모델 저장소 내에서 모델 파일의 서브폴더 위치입니다.

mirror (str, 선택 사항) : 중국에서 모델을 다운로드할 때 접근성 문제를 해결하기 위한 미러 소스입니다. 해당 소스의 적시성이나 안전성을 보장하지 않으며, 자세한 내용은 미러 사이트를 참고하세요.

device_map (str 또는 dict[str, int | str | torch.device], 선택 사항) : 각 서브모듈이 어디에 배치되어야 하는지 지정하는 맵입니다. 모든 파라미터/버퍼 이름에 대해 정의할 필요는 없으며, 특정 모듈 이름이 여기에 포함되면 해당 모듈의 모든 서브모듈이 동일한 장치로 전송됩니다. 기본값은 None이며, 이는 모델이 CPU에 로드됨을 의미합니다. 🤗 Accelerate가 가장 최적화된 device_map을 자동으로 계산하도록 하려면 device_map="auto"를 설정하세요. 각 옵션에 대한 자세한 내용은 device map 설계를 참조하세요.

max_memory (Dict, 선택 사항) : 최대 메모리에 대한 디바이스 식별자를 나타내는 사전입니다. 설정되지 않으면 각 GPU의 사용 가능한 최대 메모리와 사용 가능한 CPU RAM이 기본값으로 사용됩니다.

offload_folder (str 또는 os.PathLike, 선택 사항) : device_map에 "disk" 값이 포함된 경우, 가중치를 오프로드할 경로입니다.

offload_state_dict (bool, 선택 사항) : True인 경우, CPU 상태 사전의 가중치와 체크포인트의 가장 큰 샤드 합이 CPU RAM에 맞지 않을 때 CPU RAM 부족을 방지하기 위해 CPU 상태 사전을 하드 드라이브로 일시적으로 오프로드합니다. 디스크 오프로드가 있는 경우 기본값은 True입니다.

low_cpu_mem_usage (bool, 선택 사항, torch 버전이 1.9.0 이상이면 기본값은 True, 그 외에는 False) : 가중치를 초기화하지 않고 사전 학습된 가중치만 로드하여 모델 로딩 속도를 높입니다. 모델 로딩 시 CPU 메모리(피크 메모리 포함)를 모델 크기의 1배를 초과하지 않도록 시도합니다. PyTorch 1.9.0 이상에서만 지원됩니다. PyTorch의 이전 버전을 사용하는 경우 이 인수를 True로 설정하면 오류가 발생합니다.

variant (str, 선택 사항) : "fp16" 또는 "ema"와 같은 지정된 variant 파일 이름에서 가중치를 로드합니다.

use_safetensors (bool, 선택 사항, 기본값 None) : None으로 설정된 경우, safetensors 가중치가 사용 가능한 그리고 safetensors 라이브러리가 설치되어 있으면 다운로드됩니다. True로 설정된 경우, 모델은 safetensors 가중치에서 강제로 로드됩니다. False로 설정된 경우, safetensors 가중치는 로드되지 않습니다.

disable_mmap ('bool', 선택 사항, 기본값 'False') : Safetensors 모델을 로드할 때 mmap을 비활성화할지 여부입니다. 네트워크 마운트나 하드 드라이브에 모델이 있는 경우, mmap의 seek 동작을 잘 처리하지 못할 수 있으므로 이 옵션을 사용하면 성능이 더 좋아질 수 있습니다.

trust_remote_cocde (bool, 선택 사항, 기본값 False) : 원격 코드를 신뢰할지 여부

pretrained model configuration에서 사전 학습된 PyTorch 모델을 초기화합니다.

모델은 기본적으로 평가 모드(model.eval())로 설정되며, dropout 모듈은 비활성화됩니다. 모델을 학습하려면 model.train()을 사용하여 다시 학습 모드로 설정하세요.

> 비공개 또는 게이트된 모델을 사용하려면 로그인하세요 hf > auth login을(를) 통해 수행할 수 있습니다. 또한 방화벽이 있는 환경에서 이 방법을 사용하려면 특수한 "오프라인 모드"를 활성화할 수도 있습니다.

예:

from diffusers import AutoModel

unet = AutoModel.from_pretrained("stable-diffusion-v1-5/stable-diffusion-v1-5", subfolder="unet")

아래와 같은 오류 메시지가 표시되면 다운스트림 작업을 위해 가중치를 미세 조정해야 합니다:

Some weights of UNet2DConditionModel were not initialized from the model checkpoint at stable-diffusion-v1-5/stable-diffusion-v1-5 and are newly initialized because the shapes did not match:
- conv_in.weight: found shape torch.Size([320, 4, 3, 3]) in the checkpoint and torch.Size([320, 9, 3, 3]) in the model instantiated
You should probably TRAIN this model on a down-stream task to be able to use it for predictions and inference.

from_config[[diffusers.AutoModel.from_config]]

from_config(pretrained_model_name_or_path_or_dict: str | os.PathLike | dict | None = None, **kwargs)

소스

매개변수:

pretrained_model_name_or_path_or_dict (str, os.PathLike, 또는 dict) : 다음 중 하나일 수 있습니다. - Hub에 호스팅된 사전 학습된 모델 구성의 model id(예: google/ddpm-celebahq-256) 문자열. - 모델 구성 파일이 포함된 디렉터리 경로(예: ./my_model_directory). - 구성 사전.

cache_dir (Union[str, os.PathLike], 선택 사항) : 표준 캐시를 사용하지 않을 경우, 다운로드된 사전 학습된 모델 구성이 캐시되는 디렉터리의 경로입니다.

force_download (bool, 선택 사항, 기본값 False) : 캐시된 버전이 존재하더라도 모델 구성의 (재)다운로드를 강제할지 여부.

proxies (Dict[str, str], 선택 사항) : 프로토콜 또는 엔드포인트별로 사용할 프록시 서버의 사전입니다.

local_files_only(bool, 선택 사항, 기본값 False) : 로컬 모델 구성 파일만 로드할지 여부.

token (str 또는 bool, 선택) : 원격 파일에 대한 HTTP bearer 인증으로 사용할 토큰.

revision (str, 선택 사항, 기본값 "main") : 사용할 특정 모델 버전입니다.

trust_remote_code (bool, 선택 사항, 기본값 False) : 원격 코드를 신뢰할지 여부.

subfolder (str, 선택 사항, 기본값 "") : Hub 또는 로컬의 더 큰 모델 저장소 내에서 모델 파일의 서브폴더 위치입니다.

반환값:

config에서 무작위 가중치로 초기화된 모델 객체.

config 사전 또는 사전 학습된 모델 구성 파일에서 무작위 가중치로 모델을 초기화합니다(사전 학습된 가중치는 로드되지 않음).

예:

from diffusers import AutoModel

model = AutoModel.from_config("stable-diffusion-v1-5/stable-diffusion-v1-5", subfolder="unet")