Buckets:
| # AutoPipeline | |
| [AutoPipeline](../api/pipelines/auto_pipeline) é um pipeline de *tarefa-e-modelo* que seleciona automaticamente a subclasse de pipeline correta com base na tarefa. Ele gerencia a complexidade de carregar diferentes subclasses de pipeline sem a necessidade de conhecer o nome específico da subclasse de pipeline. | |
| Isso difere do [DiffusionPipeline](/docs/diffusers/main/pt/api/pipelines/overview#diffusers.DiffusionPipeline), um pipeline *apenas de modelo* que seleciona automaticamente a subclasse do pipeline com base no modelo. | |
| ```text | |
| AutoPipelineForImage2Image.from_pretrained(model_id) | |
| | | |
| +-- read model_index.json (e.g. StableDiffusionXLPipeline) | |
| +-- task mapping (image-to-image) | |
| | | |
| v | |
| StableDiffusionXLImg2ImgPipeline // returned instance | |
| ``` | |
| [AutoPipelineForImage2Image](/docs/diffusers/main/pt/api/pipelines/auto_pipeline#diffusers.AutoPipelineForImage2Image) retorna a subclasse específica da tarefa (por exemplo, [StableDiffusionXLImg2ImgPipeline](/docs/diffusers/main/pt/api/pipelines/stable_diffusion/stable_diffusion_xl#diffusers.StableDiffusionXLImg2ImgPipeline)), que pode ser usada apenas para tarefas de imagem para imagem. | |
| ```py | |
| import torch | |
| from diffusers import AutoPipelineForImage2Image | |
| pipeline = AutoPipelineForImage2Image.from_pretrained( | |
| "RunDiffusion/Juggernaut-XL-v9", dtype=torch.bfloat16, device_map="cuda", # or "mps", "xpu", "cpu" | |
| ) | |
| print(pipeline) | |
| # StableDiffusionXLImg2ImgPipeline { | |
| # "_class_name": "StableDiffusionXLImg2ImgPipeline", | |
| # ... | |
| # } | |
| ``` | |
| Carregar o mesmo modelo com [DiffusionPipeline](/docs/diffusers/main/pt/api/pipelines/overview#diffusers.DiffusionPipeline) retorna o subclasse padrão de texto para imagem, [StableDiffusionXLPipeline](/docs/diffusers/main/pt/api/pipelines/stable_diffusion/stable_diffusion_xl#diffusers.StableDiffusionXLPipeline). Esse pipeline é para texto para imagem. Para imagem para imagem ou inpainting, carregue um AutoPipeline de tarefa como [AutoPipelineForImage2Image](/docs/diffusers/main/pt/api/pipelines/auto_pipeline#diffusers.AutoPipelineForImage2Image) ou [AutoPipelineForInpainting](/docs/diffusers/main/pt/api/pipelines/auto_pipeline#diffusers.AutoPipelineForInpainting), ou o subclasse específico de tarefa correspondente. | |
| ```py | |
| import torch | |
| from diffusers import DiffusionPipeline | |
| pipeline = DiffusionPipeline.from_pretrained( | |
| "RunDiffusion/Juggernaut-XL-v9", dtype=torch.bfloat16, device_map="cuda", # or "mps", "xpu", "cpu" | |
| ) | |
| print(pipeline) | |
| # StableDiffusionXLPipeline { | |
| # "_class_name": "StableDiffusionXLPipeline", | |
| # ... | |
| # } | |
| ``` | |
| ## Alterne tarefas com from_pipe | |
| Carregue um AutoPipeline de tarefa uma vez e, em seguida, alterne entre tarefas com [from_pipe()](/docs/diffusers/main/pt/api/pipelines/auto_pipeline#diffusers.AutoPipelineForImage2Image.from_pipe) sem baixar os pesos novamente. Os componentes são reutilizados a partir do pipeline de origem. | |
| ```py | |
| import torch | |
| from diffusers import AutoPipelineForText2Image, AutoPipelineForImage2Image | |
| pipeline_t2i = AutoPipelineForText2Image.from_pretrained( | |
| "RunDiffusion/Juggernaut-XL-v9", dtype=torch.bfloat16, device_map="cuda", # or "mps", "xpu", "cpu" | |
| ) | |
| pipeline_i2i = AutoPipelineForImage2Image.from_pipe(pipeline_t2i) | |
| ``` | |
| Veja [Reutilizando modelos em vários pipelines](../using-diffusers/loading#reusing-models-in-multiple-pipelines) para mais detalhes. | |
| Verifique os [mappings](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/auto_pipeline.py) para ver se um modelo é suportado ou não. Tentar carregar um modelo não suportado retorna um erro. | |
| ```py | |
| import torch | |
| from diffusers import AutoPipelineForImage2Image | |
| pipeline = AutoPipelineForImage2Image.from_pretrained( | |
| "openai/shap-e-img2img", dtype=torch.float16, | |
| ) | |
| "ValueError: AutoPipeline can't find a pipeline linked to ShapEImg2ImgPipeline for None" | |
| ``` | |
| Existem quatro tipos de classes [AutoPipeline](../api/pipelines/auto_pipeline): | |
| - [AutoPipelineForText2Image](/docs/diffusers/main/pt/api/pipelines/auto_pipeline#diffusers.AutoPipelineForText2Image) | |
| - [AutoPipelineForImage2Image](/docs/diffusers/main/pt/api/pipelines/auto_pipeline#diffusers.AutoPipelineForImage2Image) | |
| - [AutoPipelineForInpainting](/docs/diffusers/main/pt/api/pipelines/auto_pipeline#diffusers.AutoPipelineForInpainting) | |
| - [AutoPipelineForText2Audio](/docs/diffusers/main/pt/api/pipelines/auto_pipeline#diffusers.AutoPipelineForText2Audio) | |
| Cada uma dessas classes possui um mapeamento predefinido, vinculando um pipeline à sua subclasse específica para a tarefa. | |
| Quando [from_pretrained()](/docs/diffusers/main/pt/api/pipelines/auto_pipeline#diffusers.AutoPipelineForText2Image.from_pretrained) é chamado, ele extrai o nome da classe do arquivo `model_index.json` e seleciona a subclasse de pipeline apropriada para a tarefa com base no mapeamento. | |
Xet Storage Details
- Size:
- 4.88 kB
- Xet hash:
- 297240fb6f70d13637048eb4b3a75c2619e008767b1575db2b15b93011fdf90b
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.