Buckets:
| # PEFT | |
| Diffusers, [PeftAdapterMixin](/docs/diffusers/main/tr/api/loaders/peft#diffusers.loaders.PeftAdapterMixin) sınıfı ile [PEFT](https://huggingface.co/docs/peft/index) kütüphanesi aracılığıyla [LoRA](../../tutorials/using_peft_for_inference) gibi adaptörlerin yüklenmesini destekler. Bu sayede Diffusers'taki [UNet2DConditionModel](/docs/diffusers/main/tr/api/models/unet2d-cond#diffusers.UNet2DConditionModel), [SD3Transformer2DModel](/docs/diffusers/main/tr/api/models/sd3_transformer2d#diffusers.SD3Transformer2DModel) gibi modelleme sınıfları bir adaptörle çalışabilir. | |
| > [!TIP] | |
| > Diffusers'ta çıkarım için PEFT'yi nasıl kullanacağınızın genel bir bakış için [Inference with PEFT](../../tutorials/using_peft_for_inference) eğitimine başvurun. | |
| ## PeftAdapterMixin[[diffusers.loaders.PeftAdapterMixin]] | |
| #### diffusers.loaders.PeftAdapterMixin[[diffusers.loaders.PeftAdapterMixin]] | |
| ```python | |
| diffusers.loaders.PeftAdapterMixin() | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/loaders/peft.py#L61) | |
| PEFT kütüphanesinde desteklenen adaptör ağırlıklarını yüklemek ve kullanmak için tüm işlevleri içeren bir sınıf. Adaptörler ve bunların bir temel modele enjekte edilmesi hakkında daha fazla ayrıntı için PEFT [belgelerini](https://huggingface.co/docs/peft/index) inceleyin. | |
| PEFT'nin en son sürümünü yükleyin ve bu karışımı (mixin) şunları yapmak için kullanın: | |
| - Modelde yeni adaptörler ekleyin. | |
| - Birden çok adaptör ekleyin ve bunları iteratif olarak etkinleştirin/devre dışı bırakın. | |
| - Modeldeki tüm adaptörleri etkinleştir/devre dışı bırak. | |
| - Aktif adaptörlerin listesini alın. | |
| #### active_adapters[[diffusers.loaders.PeftAdapterMixin.active_adapters]] | |
| ```python | |
| active_adapters() | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/loaders/peft.py#L649) | |
| Modelin aktif adaptörlerinin mevcut listesini alır. | |
| Adaptörler ve PEFT yöntemleri hakkında bilgi sahibi değilseniz, bunlar hakkında daha fazla bilgi edinmek için PEFT [belgelendirmesini](https://huggingface.co/docs/peft) okumaya davet ediyoruz. | |
| #### add_adapter[[diffusers.loaders.PeftAdapterMixin.add_adapter]] | |
| ```python | |
| add_adapter(adapter_config, adapter_name: str = 'default') | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/loaders/peft.py#L517) | |
| **Parametreler:** | |
| adapter_config (`[~peft.PeftConfig]`) : Eklenecek adaptörün yapılandırması; desteklenen adaptörler, non-prefix tuning ve adaption prompt yöntemleridir. | |
| adapter_name (`str`, *isteğe bağlı*, varsayılan `"default"`) : Eklenecek adaptörün adı. Bir ad geçirilmezse, adaptöre varsayılan bir ad atanır. | |
| Eğitim için mevcut modele yeni bir adaptör ekler. Adaptör adı geçirilmezse, PEFT kütüphanesinin sözleşmesine uygun olarak adaptöre varsayılan bir ad atanır. | |
| Adaptörler ve PEFT yöntemleri hakkında bilgi sahibi değilseniz, bunlar hakkında daha fazla bilgi edinmek için PEFT [belgelerine](https://huggingface.co/docs/peft) göz atmanızı öneririz. | |
| #### delete_adapters[[diffusers.loaders.PeftAdapterMixin.delete_adapters]] | |
| ```python | |
| delete_adapters(adapter_names: list[str] | str) | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/loaders/peft.py#L772) | |
| **Parametreler:** | |
| adapter_names (`list[str, str]`) : Silinecek adaptörün adları (tek bir dize veya dize listesi). | |
| Alt modelden bir adaptörün LoRA katmanlarını siler. | |
| Örnek: | |
| ```py | |
| 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.unet.delete_adapters("cinematic") | |
| ``` | |
| #### disable_adapters[[diffusers.loaders.PeftAdapterMixin.disable_adapters]] | |
| ```python | |
| disable_adapters() | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/loaders/peft.py#L604) | |
| Modele bağlı tüm adaptörleri devre dışı bırakın ve yalnızca temel modelle çıkarım yapmaya geri dönün. | |
| Adaptörler ve PEFT yöntemleri hakkında bilgi sahibi değilseniz, bunlar hakkında daha fazla bilgi edinmek için PEFT [belgelendirmesini](https://huggingface.co/docs/peft) okumaya davet ediyoruz. | |
| #### disable_lora[[diffusers.loaders.PeftAdapterMixin.disable_lora]] | |
| ```python | |
| disable_lora() | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/loaders/peft.py#L726) | |
| Alt modelin etkin LoRA katmanlarını devre dışı bırakır. | |
| Örnek: | |
| ```py | |
| 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.unet.disable_lora() | |
| ``` | |
| #### enable_adapters[[diffusers.loaders.PeftAdapterMixin.enable_adapters]] | |
| ```python | |
| enable_adapters() | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/loaders/peft.py#L626) | |
| Modele bağlı olan adaptörleri etkinleştirir. Model, etkinleştirilecek adaptörlerin listesini almak için `self.active_adapters()` kullanır. | |
| Adaptörler ve PEFT yöntemleri hakkında bilgi sahibi değilseniz, bunlar hakkında daha fazla bilgi edinmek için PEFT [belgelendirmesini](https://huggingface.co/docs/peft) okumaya davet ediyoruz. | |
| #### enable_lora[[diffusers.loaders.PeftAdapterMixin.enable_lora]] | |
| ```python | |
| enable_lora() | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/loaders/peft.py#L749) | |
| Alt modelin etkin LoRA katmanlarını etkinleştirir. | |
| Örnek: | |
| ```py | |
| 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.unet.enable_lora() | |
| ``` | |
| #### enable_lora_hotswap[[diffusers.loaders.PeftAdapterMixin.enable_lora_hotswap]] | |
| ```python | |
| enable_lora_hotswap(target_rank: int = 128, check_compiled: typing.Literal['error', 'warn', 'ignore'] = 'error') | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/loaders/peft.py#L810) | |
| **Parametreler:** | |
| target_rank (`int`, *isteğe bağlı*, varsayılan `128`) : Yüklenecek tüm adaptörler arasındaki en yüksek rütbe. | |
| check_compiled (`str`, *isteğe bağlı*, varsayılan `"error"`) : Model zaten derlenmişse bu durumun nasıl ele alınacağı, ki bu genellikle kaçınılması gereken bir durumdur. Seçenekler: - "error" (varsayılan): bir hata fırlat - "warn": bir uyarı ver - "ignore": hiçbir şey yapma | |
| LoRA adaptörlerinin sıcak değiştirilmesine olanak tanır. | |
| Bu yöntemin çağrılması yalnızca adaptörlerin sıcak değiştirilmesi sırasında ve model derlenmişse veya yüklenen adaptörlerin dereceleri farklıysa gereklidir. | |
| #### load_lora_adapter[[diffusers.loaders.PeftAdapterMixin.load_lora_adapter]] | |
| ```python | |
| load_lora_adapter(pretrained_model_name_or_path_or_dict, prefix = 'transformer', hotswap: bool = False, **kwargs) | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/loaders/peft.py#L84) | |
| **Parametreler:** | |
| pretrained_model_name_or_path_or_dict (`str` veya `os.PathLike` veya `dict`) : Şunlardan biri olabilir: - Hub'da barındırılan önceden eğitilmiş bir modelin *model kimliği* (örneğin `google/ddpm-celebahq-256`) olan bir dize. - [ModelMixin.save_pretrained()](/docs/diffusers/main/tr/api/models/overview#diffusers.ModelMixin.save_pretrained) ile kaydedilmiş model ağırlıklarını içeren bir *dizin* yolu (örneğin `./my_model_directory`). - Bir [torch state dict](https://pytorch.org/tutorials/beginner/saving_loading_models.html#what-is-a-state-dict). | |
| prefix (`str`, *isteğe bağlı*) : state dict'i filtrelemek için önek. | |
| cache_dir (`str | os.PathLike`, *isteğe bağlı*) : Standart önbellek kullanılmıyorsa, indirilen önceden eğitilmiş model yapılandırmasının önbelleğe alındığı dizinin yolu. | |
| force_download (`bool`, *isteğe bağlı*, varsayılan `False`) : Model ağırlıklarının ve yapılandırma dosyalarının (yeniden) indirilmesinin zorlanıp zorlanmayacağını belirler; önbellekteki sürümler varsa bunların üzerine yazar. | |
| proxies (`dict[str, str]`, *isteğe bağlı*) : Protokol veya uç nokta bazında kullanılacak vekil sunucuların sözlüğü, örneğin `{'http': 'foo.bar:3128', 'http://hostname': 'foo.bar:4012'}`. Vekiller her istekte kullanılır. | |
| local_files_only (`bool`, *isteğe bağlı*, varsayılan `False`) : Sadece yerel model ağırlıklarının ve yapılandırma dosyalarının yüklenip yüklenmeyeceğini belirtir. `True` olarak ayarlanırsa, model Hub'dan indirilmez. | |
| token (`str` veya *bool*, *isteğe bağlı*) : Uzaktaki dosyalar için HTTP bearer yetkilendirmesi olarak kullanılacak jeton. `True` ise, `diffusers-cli login` ile oluşturulan jeton (`~/.huggingface` içinde saklanır) kullanılır. | |
| revision (`str`, *isteğe bağlı*, varsayılan `"main"`) : Kullanılacak belirli model sürümü. Bir dal adı, etiket adı, commit kimliği veya Git tarafından izin verilen herhangi bir tanımlayıcı olabilir. | |
| subfolder (`str`, *isteğe bağlı*, varsayılan `""`) : Hub'da veya yerel olarak daha büyük bir model deposu içindeki bir model dosyasının alt klasör konumu. | |
| network_alphas (`dict[str, float]`) : Kararlı öğrenme için kullanılan ve taşma altı (underflow) durumunu önleyen ağ alfası değeri. Bu değer, kohya-ss eğitim betiğindeki `--network_alpha` seçeneğiyle aynı anlama gelir. [bu bağlantıya](https://github.com/darkstorm2150/sd-scripts/blob/main/docs/train_network_README-en.md#execute-learning) bakın. | |
| low_cpu_mem_usage (`bool`, *isteğe bağlı*) : Rastgele ağırlıkları başlatmadan yalnızca önceden eğitilmiş LoRA ağırlıklarını yükleyerek model yükleme hızını artırır. | |
| hotswap : (`bool`, *optional*) Defaults to `False`. Whether to substitute an existing (LoRA) adapter with the newly loaded adapter in-place. This means that, instead of loading an additional adapter, this will take the existing adapter weights and replace them with the weights of the new adapter. This can be faster and more memory efficient. However, the main advantage of hotswapping is that when the model is compiled with torch.compile, loading the new adapter does not require recompilation of the model. When using hotswapping, the passed `adapter_name` should be the name of an already loaded adapter. If the new adapter and the old adapter have different ranks and/or LoRA alphas (i.e. scaling), you need to call an additional method before loading the adapter: ```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 ``` Note that hotswapping adapters of the text encoder is not yet supported. There are some further limitations to this technique, which are documented here: https://huggingface.co/docs/peft/main/en/package_reference/hotswap | |
| metadata : LoRA adaptör meta verileri. Sağlandığında, durum sözlüğü (state dict) üzerinden çıkarılan meta veriler `LoraConfig` başlatmak için kullanılmaz. | |
| LoRA adaptörünü alttaki modele yükler. | |
| #### save_lora_adapter[[diffusers.loaders.PeftAdapterMixin.save_lora_adapter]] | |
| ```python | |
| save_lora_adapter(save_directory, adapter_name: str = 'default', upcast_before_saving: bool = False, safe_serialization: bool = True, weight_name: str | None = None) | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/loaders/peft.py#L393) | |
| **Parametreler:** | |
| save_directory (`str` veya `os.PathLike`) : LoRA parametrelerinin kaydedileceği dizin. Var değilse oluşturulur. | |
| adapter_name : (`str`, varsayılan "default"): Seri hale getirilecek adaptörün adı. Altta yatan modelde birden fazla adaptör yüklüyse kullanışlıdır. | |
| upcast_before_saving (`bool`, varsayılan `False`) : Seri hale getirmeden önce alttaki modelin `torch.float32`'ye dönüştürülüp dönüştürülmemesi. | |
| safe_serialization (`bool`, *isteğe bağlı*, varsayılan `True`) : Modelin `safetensors` ile mi yoksa geleneksel PyTorch yöntemiyle `pickle` kullanılarak mı kaydedileceğini belirtir. | |
| weight_name : (`str`, *isteğe bağlı*, varsayılan `None`): State dict'inin serialize edileceği dosyanın adı. | |
| Alt modelle eşleşen LoRA parametrelerini kaydedin. | |
| #### set_adapter[[diffusers.loaders.PeftAdapterMixin.set_adapter]] | |
| ```python | |
| set_adapter(adapter_name: str | list[str]) | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/loaders/peft.py#L555) | |
| **Parametreler:** | |
| adapter_name (str | list[str])) : Ayarlanacak adaptörlerin listesi veya tek bir adaptör durumunda adaptör adı. | |
| Modeli yalnızca o adaptörü kullanmaya zorlayarak belirli bir adaptörü ayarlar ve diğer adaptörleri devre dışı bırakır. | |
| Adaptörler ve PEFT yöntemleri hakkında bilgi sahibi değilseniz, bunlar hakkında daha fazla bilgi edinmek için PEFT [belgelendirmesini](https://huggingface.co/docs/peft) okumaya davet ediyoruz. | |
| #### set_adapters[[diffusers.loaders.PeftAdapterMixin.set_adapters]] | |
| ```python | |
| set_adapters(adapter_names: list[str] | str, weights: float | dict | list[float] | list[dict] | list[None] | None = None) | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/loaders/peft.py#L461) | |
| **Parametreler:** | |
| adapter_names (`list[str]` veya `str`) : Kullanılacak adaptörlerin adları. | |
| weights (`Union[List[float], float]`, *isteğe bağlı*) : UNet ile kullanılacak adaptör ağırlıkları. `None` ise, tüm adaptörler için ağırlıklar `1.0` olarak ayarlanır. | |
| Diffüzyon ağı (ör. unet, transformer vb.) kullanımında geçerli olan adaptörleri ayarlayın. | |
| Örnek: | |
| ```py | |
| 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("nerijs/pixel-art-xl", weight_name="pixel-art-xl.safetensors", adapter_name="pixel") | |
| pipeline.unet.set_adapters(["cinematic", "pixel"], weights=[0.5, 0.5]) | |
| ``` | |
Xet Storage Details
- Size:
- 14.9 kB
- Xet hash:
- 856d1a6e6ffa9fed3c9cf5cd0ee10d45abea14f69eefaf946f049ed33a583544
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.