diffusers/main/pt/hybrid_inference/api_reference.md

Inferência remota

A inferência remota fornece acesso a um Inference Endpoint para transferir os requisitos de geração local para decodificação e codificação.

remote_decode[[diffusers.utils.remote_decode]]

diffusers.utils.remote_decode[[diffusers.utils.remote_decode]]

diffusers.utils.remote_decode(endpoint: str, tensor: 'torch.Tensor', processor: 'VaeImageProcessor' | 'VideoProcessor' | None = None, do_scaling: bool = True, scaling_factor: float | None = None, shift_factor: float | None = None, output_type: Literal['mp4', 'pil', 'pt'] = 'pil', return_type: Literal['mp4', 'pil', 'pt'] = 'pil', image_format: Literal['png', 'jpg'] = 'jpg', partial_postprocess: bool = False, input_tensor_type: Literal['binary'] = 'binary', output_tensor_type: Literal['binary'] = 'binary', height: int | None = None, width: int | None = None)

Fonte

Parâmetros:

endpoint (str) : Ponto de acesso para Decodificação Remota.

tensor (torch.Tensor) : Tensor a ser decodificado.

processor (VaeImageProcessor ou VideoProcessor, opcional) : Usado com return_type="pt" e return_type="pil" para modelos de vídeo.

do_scaling (bool, padrão True, opcional) : DEPRECATED. passar scaling_factor/shift_factor em vez disso. ainda definir do_scaling=None/do_scaling=False para não aplicar escala até a opção ser removida Quando True, a escala, por exemplo, latents / self.vae.config.scaling_factor, é aplicada remotamente. Se False, a entrada deve ser passada com a escala já aplicada.

scaling_factor (float, opcional) : A escala é aplicada quando passada, por exemplo, latents / self.vae.config.scaling_factor. - SD v1: 0.18215 - SD XL: 0.13025 - Flux: 0.3611 Se None, a entrada deve ser passada com a escala já aplicada.

shift_factor (float, opcional) : O deslocamento é aplicado quando é passado, por exemplo, latents + self.vae.config.shift_factor. - Flux: 0.1159 Se None, a entrada deve ser passada com a escala aplicada.

output_type ("mp4" ou "pil" ou "pt", default "pil") : tipo de saída do Endpoint. Sujeito a alterações. Informe seu feedback sobre o tipo preferido. "mp4": Supported by video models. Endpoint returns bytesof video."pil": Supported by image and video models. Image models: Endpoint returns bytesof an image inimage_format. Video models: Endpoint returns torch.Tensorwith partialpostprocessingapplied. Requiresprocessoras a flag (anyNonevalue will work)."pt": Support by image and video models. Endpoint returns torch.Tensor. With partial_postprocess=Truethe tensor is postprocesseduint8image tensor. Recommendations:"pt"withpartial_postprocess=Trueis the smallest transfer for full quality."pt"withpartial_postprocess=Falseis the most compatible with third party code."pil"withimage_format="jpg"` is the smallest transfer overall.

return_type ("mp4" or "pil" or "pt", default "pil") : Function return type. "mp4": Function returns bytesof video."pil": Function returns PIL.Image.Image. With output_type="pil" no further processing is applied. With output_type="pt" a PIL.Image.Imageis created.partial_postprocess=False processoris required.partial_postprocess=True processoris **not** required."pt": Function returns torch.Tensor. processoris **not** required.partial_postprocess=Falsetensor isfloat16orbfloat16, without denormalization. partial_postprocess=Truetensor isuint8`, denormalized.

image_format ("png" ou "jpg", padrão jpg) : Usado com output_type="pil". O endpoint retorna jpg ou png.

partial_postprocess (bool, padrão False) : Usado com output_type="pt". partial_postprocess=False o tensor é float16 ou bfloat16, sem desnornalização. partial_postprocess=True o tensor é uint8, desnornalizado.

input_tensor_type ("binary", padrão "binary") : Tipo de transferência de tensor.

output_tensor_type ("binary", padrão "binary") : Tipo de transferência de tensor.

height (int, opcional) : Obrigatório para latentes "packed".

width (int, opcional) : Obrigatório para latentes "packed".

Retorna:

output (Image.Image ou list[Image.Image] ou bytes ou torch.Tensor).

Hugging Face Hybrid Inference que permite executar o decodificação do VAE remotamente.

remote_encode[[diffusers.utils.remote_utils.remote_encode]]

diffusers.utils.remote_utils.remote_encode[[diffusers.utils.remote_utils.remote_encode]]

diffusers.utils.remote_utils.remote_encode(endpoint: str, image: 'torch.Tensor' | Image.Image, scaling_factor: float | None = None, shift_factor: float | None = None)

Fonte

Parâmetros:

endpoint (str) : Ponto de acesso para Decodificação Remota.

image (torch.Tensor ou PIL.Image.Image) : Imagem a ser codificada.

scaling_factor (float, opcional) : A escala é aplicada quando passada, por exemplo, latents * self.vae.config.scaling_factor. - SD v1: 0.18215 - SD XL: 0.13025 - Flux: 0.3611 Se None, a entrada deve ser passada com a escala já aplicada.

shift_factor (float, opcional) : O deslocamento é aplicado quando fornecido, por exemplo, latents - self.vae.config.shift_factor. - Flux: 0.1159 Se None, a entrada deve ser fornecida com a escala aplicada.

Retorna:

output (torch.Tensor).

Hugging Face Hybrid Inference que permite executar o encode do VAE remotamente.