Buckets:

hf-doc-build
/

doc

Files

xet

hf-doc-build/doc / diffusers /main /tr /api /loaders /single_file.md

mishig

about 16 hours ago

preview code

download

raw

13.9 kB

# Tek dosyalar

[from_single_file()](/docs/diffusers/main/tr/api/loaders/single_file#diffusers.loaders.FromSingleFileMixin.from_single_file) yöntemi, aşağıdakileri yüklemenizi sağlar:

* Tek bir dosyada saklanan bir model; bu, Automatic1111 gibi difüzyon ekosistemindeki modellerle çalışırken ve modelleri saklamak ve paylaşmak için yaygın olarak tek dosyalı bir düzeni kullandığınızda faydalıdır.
* orijinal dağıtım düzeninde saklanan bir model, bu özellikle başka servislerle ince ayarlanmış modellerle çalışıyorsanız ve modeli doğrudan Diffusers model nesnelerine ve pipeline'lara yüklemek istiyorsanız faydalıdır

> [!TIP]
> Diffusers-multifolder yerleşimi ile tek dosya yerleşimi arasındaki farkı ve bu farklı yerleşimlerde saklanan modellerin nasıl yükleneceğini öğrenmek için [Model dosyaları ve yerleşimleri](../../using-diffusers/other-formats) kılavuzunu okuyun.

## Desteklenen boru hatları

- [StableDiffusionPipeline](/docs/diffusers/main/tr/api/pipelines/stable_diffusion/text2img#diffusers.StableDiffusionPipeline)
- [StableDiffusionImg2ImgPipeline](/docs/diffusers/main/tr/api/pipelines/stable_diffusion/img2img#diffusers.StableDiffusionImg2ImgPipeline)
- [StableDiffusionInpaintPipeline](/docs/diffusers/main/tr/api/pipelines/stable_diffusion/inpaint#diffusers.StableDiffusionInpaintPipeline)
- [StableDiffusionControlNetPipeline](/docs/diffusers/main/tr/api/pipelines/controlnet#diffusers.StableDiffusionControlNetPipeline)
- [StableDiffusionControlNetImg2ImgPipeline](/docs/diffusers/main/tr/api/pipelines/controlnet#diffusers.StableDiffusionControlNetImg2ImgPipeline)
- [StableDiffusionControlNetInpaintPipeline](/docs/diffusers/main/tr/api/pipelines/controlnet#diffusers.StableDiffusionControlNetInpaintPipeline)
- [StableDiffusionUpscalePipeline](/docs/diffusers/main/tr/api/pipelines/stable_diffusion/upscale#diffusers.StableDiffusionUpscalePipeline)
- [StableDiffusionXLPipeline](/docs/diffusers/main/tr/api/pipelines/stable_diffusion/stable_diffusion_xl#diffusers.StableDiffusionXLPipeline)
- [StableDiffusionXLImg2ImgPipeline](/docs/diffusers/main/tr/api/pipelines/stable_diffusion/stable_diffusion_xl#diffusers.StableDiffusionXLImg2ImgPipeline)
- [StableDiffusionXLInpaintPipeline](/docs/diffusers/main/tr/api/pipelines/stable_diffusion/stable_diffusion_xl#diffusers.StableDiffusionXLInpaintPipeline)
- [StableDiffusionXLInstructPix2PixPipeline](/docs/diffusers/main/tr/api/pipelines/pix2pix#diffusers.StableDiffusionXLInstructPix2PixPipeline)
- [StableDiffusionXLControlNetPipeline](/docs/diffusers/main/tr/api/pipelines/controlnet_sdxl#diffusers.StableDiffusionXLControlNetPipeline)
- `StableDiffusionXLKDiffusionPipeline`
- [StableDiffusion3Pipeline](/docs/diffusers/main/tr/api/pipelines/stable_diffusion/stable_diffusion_3#diffusers.StableDiffusion3Pipeline)
- [LatentConsistencyModelPipeline](/docs/diffusers/main/tr/api/pipelines/latent_consistency_models#diffusers.LatentConsistencyModelPipeline)
- [LatentConsistencyModelImg2ImgPipeline](/docs/diffusers/main/tr/api/pipelines/latent_consistency_models#diffusers.LatentConsistencyModelImg2ImgPipeline)
- `StableDiffusionControlNetXSPipeline`
- `StableDiffusionXLControlNetXSPipeline`
- [LEditsPPPipelineStableDiffusion](/docs/diffusers/main/tr/api/pipelines/ledits_pp#diffusers.LEditsPPPipelineStableDiffusion)
- [LEditsPPPipelineStableDiffusionXL](/docs/diffusers/main/tr/api/pipelines/ledits_pp#diffusers.LEditsPPPipelineStableDiffusionXL)
- `PIAPipeline`

## Desteklenen modeller

- [UNet2DConditionModel](/docs/diffusers/main/tr/api/models/unet2d-cond#diffusers.UNet2DConditionModel)
- `StableCascadeUNet`
- [AutoencoderKL](/docs/diffusers/main/tr/api/models/autoencoderkl#diffusers.AutoencoderKL)
- [ControlNetModel](/docs/diffusers/main/tr/api/models/controlnet#diffusers.ControlNetModel)
- [SD3Transformer2DModel](/docs/diffusers/main/tr/api/models/sd3_transformer2d#diffusers.SD3Transformer2DModel)
- [FluxTransformer2DModel](/docs/diffusers/main/tr/api/models/flux_transformer#diffusers.FluxTransformer2DModel)

## FromSingleFileMixin[[diffusers.loaders.FromSingleFileMixin]]

#### diffusers.loaders.FromSingleFileMixin[[diffusers.loaders.FromSingleFileMixin]]

```python
diffusers.loaders.FromSingleFileMixin()
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/loaders/single_file.py#L271)

`.ckpt` biçiminde kaydedilen model ağırlıklarını bir [DiffusionPipeline](/docs/diffusers/main/tr/api/pipelines/overview#diffusers.DiffusionPipeline) içine yükleyin.

#### from_single_file[[diffusers.loaders.FromSingleFileMixin.from_single_file]]

```python
from_single_file(pretrained_model_link_or_path, **kwargs)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/loaders/single_file.py#L276)

**Parametreler:**

pretrained_model_link_or_path (`str` veya `os.PathLike`, *isteğe bağlı*) : Şunlardan biri olabilir: - Hub'daki `.ckpt` dosyasına bir bağlantı (örneğin `"https://huggingface.co/<repo_id>/blob/main/<path_to_file>.ckpt"`). - Tüm pipeline ağırlıklarını içeren bir *dosyanın* yolu.

dtype (`str` veya `torch.dtype`, *isteğe bağlı*) : Varsayılan `torch.dtype` değerini geçersiz kılar ve modeli başka bir dtype ile yükler.

force_download (`bool`, *isteğe bağlı*, varsayılan `False`) : Model ağırlıklarının ve yapılandırma dosyalarının (yeniden) indirilmesinin zorlanıp zorlanmayacağını belirler; önbellekteki sürümler varsa bunların üzerine yazar.
cache_dir (`str | os.PathLike`, *isteğe bağlı*) : Standart önbellek kullanılmıyorsa, indirilen önceden eğitilmiş model yapılandırmasının önbelleğe alındığı dizinin yolu.

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.

original_config_file (`str`, *isteğe bağlı*) : Modeli eğitmek için kullanılan orijinal yapılandırma dosyasının yolu. Sağlanmazsa, yapılandırma dosyası kontrol noktası dosyasından çıkarılır.

config (`str`, *isteğe bağlı*) : Şunlardan biri olabilir: - Hub'da barındırılan önceden eğitilmiş bir pipeline'ın *repo kimliği* (örneğin `CompVis/ldm-text2im-large-256`) olan bir dize. - Diffusers biçiminde pipeline bileşen yapılandırmalarını içeren bir *dizin* yolu (örneğin `./my_pipeline_directory/`).

disable_mmap ('bool', *isteğe bağlı*, varsayılan 'False') : Bir Safetensors modeli yüklenirken mmap'in devre dışı bırakılıp bırakılmayacağını belirtir. Model bir ağ biriminde veya sabit diskte olduğunda bu seçenek daha iyi performans gösterebilir.
kwargs (kalan anahtar kelime argümanları sözlüğü, *isteğe bağlı*) : Yüklenir ve kaydedilir değişkenleri (belirli pipeline sınıfının pipeline bileşenlerini) geçersiz kılmak için kullanılabilir. Geçersiz kılınan bileşenler doğrudan pipeline'ın `__init__` yöntemine iletilir. Daha fazla bilgi için aşağıdaki örneğe bakın.
`.ckpt` veya `.safetensors` biçiminde kaydedilmiş önceden eğitilmiş pipeline ağırlıklarından bir [DiffusionPipeline](/docs/diffusers/main/tr/api/pipelines/overview#diffusers.DiffusionPipeline) örneği oluşturun. Pipeline varsayılan olarak değerlendirme moduna ayarlanır (`model.eval()`).
Örnekler:
```py
>>> from diffusers import StableDiffusionPipeline
>>> # Download pipeline from huggingface.co and cache.
>>> pipeline = StableDiffusionPipeline.from_single_file(
...     "https://huggingface.co/WarriorMama777/OrangeMixs/blob/main/Models/AbyssOrangeMix/AbyssOrangeMix.safetensors"
... )
>>> # Download pipeline from local file
>>> # file is downloaded under ./v1-5-pruned-emaonly.ckpt
>>> pipeline = StableDiffusionPipeline.from_single_file("./v1-5-pruned-emaonly.ckpt")
>>> # Enable float16 and move to GPU
>>> pipeline = StableDiffusionPipeline.from_single_file(
...     "https://huggingface.co/stable-diffusion-v1-5/stable-diffusion-v1-5/blob/main/v1-5-pruned-emaonly.ckpt",
...     torch_dtype=torch.float16,
... )
>>> pipeline.to("cuda")
```
## FromOriginalModelMixin[[diffusers.loaders.FromOriginalModelMixin]]
#### diffusers.loaders.FromOriginalModelMixin[[diffusers.loaders.FromOriginalModelMixin]]
```python
diffusers.loaders.FromOriginalModelMixin()
```
[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/loaders/single_file_model.py#L276)
`.ckpt` veya `.safetensors` biçiminde kaydedilmiş önceden eğitilmiş ağırlıkları bir modele yükleyin.
#### from_single_file[[diffusers.loaders.FromOriginalModelMixin.from_single_file]]
```python
from_single_file(pretrained_model_link_or_path_or_dict: str | None = None, **kwargs)
```
[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/loaders/single_file_model.py#L281)
**Parametreler:**

pretrained_model_link_or_path_or_dict (`str`, *isteğe bağlı*) : Şunlardan biri olabilir: - Hub'daki `.safetensors` veya `.ckpt` dosyasına bir bağlantı (örneğin `"https://huggingface.co/<repo_id>/blob/main/<path_to_file>.safetensors"`). - Bileşen modelin ağırlıklarını içeren yerel bir *dosya* yolu. - Bileşen model ağırlıklarını içeren bir state dict.

config (`str`, *isteğe bağlı*) : - Hub'da barındırılan önceden eğitilmiş bir pipeline'ın *repo kimliği* (örneğin `CompVis/ldm-text2im-large-256`) olan bir dize. - Diffusers biçiminde pipeline bileşen yapılandırmalarını içeren bir *dizin* yolu (örneğin `./my_pipeline_directory/`).

subfolder (`str`, *isteğe bağlı*, varsayılan `""`) : Hub'da veya yerel olarak daha büyük bir model deposu içindeki bir model dosyasının alt klasör konumu.

original_config (`str`, *isteğe bağlı*) : Modelin orijinal biçimindeki yapılandırmasını içeren bir sözlük veya bir yaml dosyasına yol. Bir sözlük sağlanırsa, model yapılandırmasını başlatmak için kullanılır.
dtype (`torch.dtype`, *isteğe bağlı*) : Varsayılan `torch.dtype` değerini geçersiz kılar ve modeli başka bir dtype ile yükler.
force_download (`bool`, *isteğe bağlı*, varsayılan `False`) : Model ağırlıklarının ve yapılandırma dosyalarının (yeniden) indirilmesinin zorlanıp zorlanmayacağını belirler; önbellekteki sürümler varsa bunların üzerine yazar.

cache_dir (`str | os.PathLike`, *isteğe bağlı*) : Standart önbellek kullanılmıyorsa, indirilen önceden eğitilmiş model yapılandırmasının önbelleğe alındığı dizinin yolu.
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.
low_cpu_mem_usage (`bool`, *isteğe bağlı*, torch sürümü >= 1.9.0 ve : is_accelerate_available() ise varsayılan olarak `True`, aksi halde `False`): Ağırlıkları başlatmadan yalnızca önceden eğitilmiş ağırlıkları yükleyerek model yüklemeyi hızlandırır. Bu, model yüklenirken (tepe bellek dahil) CPU belleğinde model boyutunun 1 katından fazlasını kullanmamaya da çalışır. Yalnızca PyTorch >= 1.9.0 için desteklenir. PyTorch'un daha eski bir sürümünü kullanıyorsanız, bu argümanı `True` olarak ayarlamak bir hata verecektir.

disable_mmap ('bool', *isteğe bağlı*, varsayılan 'False') : Bir Safetensors modeli yüklenirken mmap'in devre dışı bırakılıp bırakılmayacağını belirtir. Model bir ağ biriminde veya sabit diskte olduğunda, bu ortamın mmap'in rastgele erişim (seek) davranışını iyi yönetememesi nedeniyle bu seçenek daha iyi performans gösterebilir.
kwargs (kalan anahtar kelime argümanları sözlüğü, *isteğe bağlı*) : Yüklenir ve kaydedilir değişkenlerin (örneğin belirli pipeline sınıfının pipeline bileşenlerinin) üzerine yazılmasında kullanılabilir. Üzerine yazılan bileşenler doğrudan pipeline'ın `__init__` yöntemine iletilir. Daha fazla bilgi için aşağıdaki örneğe bakın.
Orijinal `.ckpt` veya `.safetensors` biçiminde kaydedilmiş önceden eğitilmiş ağırlıklardan bir model örnekleyin. Model varsayılan olarak değerlendirme moduna ayarlanır (`model.eval()`).
```py
>>> from diffusers import StableCascadeUNet
>>> ckpt_path = "https://huggingface.co/stabilityai/stable-cascade/blob/main/stage_b_lite.safetensors"
>>> model = StableCascadeUNet.from_single_file(ckpt_path)
```

Xet Storage Details

Size:: 13.9 kB
Xet hash:: b6ad92d6b6d85d2732d27d32efcb199b467945f2f6afe9f32b49a7da37b50c81

Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.

	# Tek dosyalar

	[from_single_file()](/docs/diffusers/main/tr/api/loaders/single_file#diffusers.loaders.FromSingleFileMixin.from_single_file) yöntemi, aşağıdakileri yüklemenizi sağlar:

	* Tek bir dosyada saklanan bir model; bu, Automatic1111 gibi difüzyon ekosistemindeki modellerle çalışırken ve modelleri saklamak ve paylaşmak için yaygın olarak tek dosyalı bir düzeni kullandığınızda faydalıdır.
	* orijinal dağıtım düzeninde saklanan bir model, bu özellikle başka servislerle ince ayarlanmış modellerle çalışıyorsanız ve modeli doğrudan Diffusers model nesnelerine ve pipeline'lara yüklemek istiyorsanız faydalıdır

	> [!TIP]
	> Diffusers-multifolder yerleşimi ile tek dosya yerleşimi arasındaki farkı ve bu farklı yerleşimlerde saklanan modellerin nasıl yükleneceğini öğrenmek için [Model dosyaları ve yerleşimleri](../../using-diffusers/other-formats) kılavuzunu okuyun.

	## Desteklenen boru hatları

	- [StableDiffusionPipeline](/docs/diffusers/main/tr/api/pipelines/stable_diffusion/text2img#diffusers.StableDiffusionPipeline)
	- [StableDiffusionImg2ImgPipeline](/docs/diffusers/main/tr/api/pipelines/stable_diffusion/img2img#diffusers.StableDiffusionImg2ImgPipeline)
	- [StableDiffusionInpaintPipeline](/docs/diffusers/main/tr/api/pipelines/stable_diffusion/inpaint#diffusers.StableDiffusionInpaintPipeline)
	- [StableDiffusionControlNetPipeline](/docs/diffusers/main/tr/api/pipelines/controlnet#diffusers.StableDiffusionControlNetPipeline)
	- [StableDiffusionControlNetImg2ImgPipeline](/docs/diffusers/main/tr/api/pipelines/controlnet#diffusers.StableDiffusionControlNetImg2ImgPipeline)
	- [StableDiffusionControlNetInpaintPipeline](/docs/diffusers/main/tr/api/pipelines/controlnet#diffusers.StableDiffusionControlNetInpaintPipeline)
	- [StableDiffusionUpscalePipeline](/docs/diffusers/main/tr/api/pipelines/stable_diffusion/upscale#diffusers.StableDiffusionUpscalePipeline)
	- [StableDiffusionXLPipeline](/docs/diffusers/main/tr/api/pipelines/stable_diffusion/stable_diffusion_xl#diffusers.StableDiffusionXLPipeline)
	- [StableDiffusionXLImg2ImgPipeline](/docs/diffusers/main/tr/api/pipelines/stable_diffusion/stable_diffusion_xl#diffusers.StableDiffusionXLImg2ImgPipeline)
	- [StableDiffusionXLInpaintPipeline](/docs/diffusers/main/tr/api/pipelines/stable_diffusion/stable_diffusion_xl#diffusers.StableDiffusionXLInpaintPipeline)
	- [StableDiffusionXLInstructPix2PixPipeline](/docs/diffusers/main/tr/api/pipelines/pix2pix#diffusers.StableDiffusionXLInstructPix2PixPipeline)
	- [StableDiffusionXLControlNetPipeline](/docs/diffusers/main/tr/api/pipelines/controlnet_sdxl#diffusers.StableDiffusionXLControlNetPipeline)
	- `StableDiffusionXLKDiffusionPipeline`
	- [StableDiffusion3Pipeline](/docs/diffusers/main/tr/api/pipelines/stable_diffusion/stable_diffusion_3#diffusers.StableDiffusion3Pipeline)
	- [LatentConsistencyModelPipeline](/docs/diffusers/main/tr/api/pipelines/latent_consistency_models#diffusers.LatentConsistencyModelPipeline)
	- [LatentConsistencyModelImg2ImgPipeline](/docs/diffusers/main/tr/api/pipelines/latent_consistency_models#diffusers.LatentConsistencyModelImg2ImgPipeline)
	- `StableDiffusionControlNetXSPipeline`
	- `StableDiffusionXLControlNetXSPipeline`
	- [LEditsPPPipelineStableDiffusion](/docs/diffusers/main/tr/api/pipelines/ledits_pp#diffusers.LEditsPPPipelineStableDiffusion)
	- [LEditsPPPipelineStableDiffusionXL](/docs/diffusers/main/tr/api/pipelines/ledits_pp#diffusers.LEditsPPPipelineStableDiffusionXL)
	- `PIAPipeline`

	## Desteklenen modeller

	- [UNet2DConditionModel](/docs/diffusers/main/tr/api/models/unet2d-cond#diffusers.UNet2DConditionModel)
	- `StableCascadeUNet`
	- [AutoencoderKL](/docs/diffusers/main/tr/api/models/autoencoderkl#diffusers.AutoencoderKL)
	- [ControlNetModel](/docs/diffusers/main/tr/api/models/controlnet#diffusers.ControlNetModel)
	- [SD3Transformer2DModel](/docs/diffusers/main/tr/api/models/sd3_transformer2d#diffusers.SD3Transformer2DModel)
	- [FluxTransformer2DModel](/docs/diffusers/main/tr/api/models/flux_transformer#diffusers.FluxTransformer2DModel)

	## FromSingleFileMixin[[diffusers.loaders.FromSingleFileMixin]]

	#### diffusers.loaders.FromSingleFileMixin[[diffusers.loaders.FromSingleFileMixin]]

	```python
	diffusers.loaders.FromSingleFileMixin()
	```

	[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/loaders/single_file.py#L271)

	`.ckpt` biçiminde kaydedilen model ağırlıklarını bir [DiffusionPipeline](/docs/diffusers/main/tr/api/pipelines/overview#diffusers.DiffusionPipeline) içine yükleyin.

	#### from_single_file[[diffusers.loaders.FromSingleFileMixin.from_single_file]]

	```python
	from_single_file(pretrained_model_link_or_path, **kwargs)
	```

	[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/loaders/single_file.py#L276)

	Parametreler:

	pretrained_model_link_or_path (`str` veya `os.PathLike`, isteğe bağlı) : Şunlardan biri olabilir: - Hub'daki `.ckpt` dosyasına bir bağlantı (örneğin `"https://huggingface.co/<repo_id>/blob/main/<path_to_file>.ckpt"`). - Tüm pipeline ağırlıklarını içeren bir dosyanın yolu.

	dtype (`str` veya `torch.dtype`, isteğe bağlı) : Varsayılan `torch.dtype` değerini geçersiz kılar ve modeli başka bir dtype ile yükler.

	force_download (`bool`, isteğe bağlı, varsayılan `False`) : Model ağırlıklarının ve yapılandırma dosyalarının (yeniden) indirilmesinin zorlanıp zorlanmayacağını belirler; önbellekteki sürümler varsa bunların üzerine yazar.

	cache_dir (`str \| os.PathLike`, isteğe bağlı) : Standart önbellek kullanılmıyorsa, indirilen önceden eğitilmiş model yapılandırmasının önbelleğe alındığı dizinin yolu.

	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.

	original_config_file (`str`, isteğe bağlı) : Modeli eğitmek için kullanılan orijinal yapılandırma dosyasının yolu. Sağlanmazsa, yapılandırma dosyası kontrol noktası dosyasından çıkarılır.

	config (`str`, isteğe bağlı) : Şunlardan biri olabilir: - Hub'da barındırılan önceden eğitilmiş bir pipeline'ın repo kimliği (örneğin `CompVis/ldm-text2im-large-256`) olan bir dize. - Diffusers biçiminde pipeline bileşen yapılandırmalarını içeren bir dizin yolu (örneğin `./my_pipeline_directory/`).

	disable_mmap ('bool', isteğe bağlı, varsayılan 'False') : Bir Safetensors modeli yüklenirken mmap'in devre dışı bırakılıp bırakılmayacağını belirtir. Model bir ağ biriminde veya sabit diskte olduğunda bu seçenek daha iyi performans gösterebilir.

	kwargs (kalan anahtar kelime argümanları sözlüğü, isteğe bağlı) : Yüklenir ve kaydedilir değişkenleri (belirli pipeline sınıfının pipeline bileşenlerini) geçersiz kılmak için kullanılabilir. Geçersiz kılınan bileşenler doğrudan pipeline'ın `__init__` yöntemine iletilir. Daha fazla bilgi için aşağıdaki örneğe bakın.

	`.ckpt` veya `.safetensors` biçiminde kaydedilmiş önceden eğitilmiş pipeline ağırlıklarından bir [DiffusionPipeline](/docs/diffusers/main/tr/api/pipelines/overview#diffusers.DiffusionPipeline) örneği oluşturun. Pipeline varsayılan olarak değerlendirme moduna ayarlanır (`model.eval()`).

	Örnekler:

	```py
	>>> from diffusers import StableDiffusionPipeline

	>>> # Download pipeline from huggingface.co and cache.
	>>> pipeline = StableDiffusionPipeline.from_single_file(
	... "https://huggingface.co/WarriorMama777/OrangeMixs/blob/main/Models/AbyssOrangeMix/AbyssOrangeMix.safetensors"
	... )

	>>> # Download pipeline from local file
	>>> # file is downloaded under ./v1-5-pruned-emaonly.ckpt
	>>> pipeline = StableDiffusionPipeline.from_single_file("./v1-5-pruned-emaonly.ckpt")

	>>> # Enable float16 and move to GPU
	>>> pipeline = StableDiffusionPipeline.from_single_file(
	... "https://huggingface.co/stable-diffusion-v1-5/stable-diffusion-v1-5/blob/main/v1-5-pruned-emaonly.ckpt",
	... torch_dtype=torch.float16,
	... )
	>>> pipeline.to("cuda")
	```

	## FromOriginalModelMixin[[diffusers.loaders.FromOriginalModelMixin]]

	#### diffusers.loaders.FromOriginalModelMixin[[diffusers.loaders.FromOriginalModelMixin]]

	```python
	diffusers.loaders.FromOriginalModelMixin()
	```

	[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/loaders/single_file_model.py#L276)

	`.ckpt` veya `.safetensors` biçiminde kaydedilmiş önceden eğitilmiş ağırlıkları bir modele yükleyin.

	#### from_single_file[[diffusers.loaders.FromOriginalModelMixin.from_single_file]]

	```python
	from_single_file(pretrained_model_link_or_path_or_dict: str \| None = None, **kwargs)
	```

	[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/loaders/single_file_model.py#L281)

	Parametreler:

	pretrained_model_link_or_path_or_dict (`str`, isteğe bağlı) : Şunlardan biri olabilir: - Hub'daki `.safetensors` veya `.ckpt` dosyasına bir bağlantı (örneğin `"https://huggingface.co/<repo_id>/blob/main/<path_to_file>.safetensors"`). - Bileşen modelin ağırlıklarını içeren yerel bir dosya yolu. - Bileşen model ağırlıklarını içeren bir state dict.

	config (`str`, isteğe bağlı) : - Hub'da barındırılan önceden eğitilmiş bir pipeline'ın repo kimliği (örneğin `CompVis/ldm-text2im-large-256`) olan bir dize. - Diffusers biçiminde pipeline bileşen yapılandırmalarını içeren bir dizin yolu (örneğin `./my_pipeline_directory/`).

	subfolder (`str`, isteğe bağlı, varsayılan `""`) : Hub'da veya yerel olarak daha büyük bir model deposu içindeki bir model dosyasının alt klasör konumu.

	original_config (`str`, isteğe bağlı) : Modelin orijinal biçimindeki yapılandırmasını içeren bir sözlük veya bir yaml dosyasına yol. Bir sözlük sağlanırsa, model yapılandırmasını başlatmak için kullanılır.

	dtype (`torch.dtype`, isteğe bağlı) : Varsayılan `torch.dtype` değerini geçersiz kılar ve modeli başka bir dtype ile yükler.

	force_download (`bool`, isteğe bağlı, varsayılan `False`) : Model ağırlıklarının ve yapılandırma dosyalarının (yeniden) indirilmesinin zorlanıp zorlanmayacağını belirler; önbellekteki sürümler varsa bunların üzerine yazar.

	cache_dir (`str \| os.PathLike`, isteğe bağlı) : Standart önbellek kullanılmıyorsa, indirilen önceden eğitilmiş model yapılandırmasının önbelleğe alındığı dizinin yolu.

	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.

	low_cpu_mem_usage (`bool`, isteğe bağlı, torch sürümü >= 1.9.0 ve : is_accelerate_available() ise varsayılan olarak `True`, aksi halde `False`): Ağırlıkları başlatmadan yalnızca önceden eğitilmiş ağırlıkları yükleyerek model yüklemeyi hızlandırır. Bu, model yüklenirken (tepe bellek dahil) CPU belleğinde model boyutunun 1 katından fazlasını kullanmamaya da çalışır. Yalnızca PyTorch >= 1.9.0 için desteklenir. PyTorch'un daha eski bir sürümünü kullanıyorsanız, bu argümanı `True` olarak ayarlamak bir hata verecektir.

	disable_mmap ('bool', isteğe bağlı, varsayılan 'False') : Bir Safetensors modeli yüklenirken mmap'in devre dışı bırakılıp bırakılmayacağını belirtir. Model bir ağ biriminde veya sabit diskte olduğunda, bu ortamın mmap'in rastgele erişim (seek) davranışını iyi yönetememesi nedeniyle bu seçenek daha iyi performans gösterebilir.

	kwargs (kalan anahtar kelime argümanları sözlüğü, isteğe bağlı) : Yüklenir ve kaydedilir değişkenlerin (örneğin belirli pipeline sınıfının pipeline bileşenlerinin) üzerine yazılmasında kullanılabilir. Üzerine yazılan bileşenler doğrudan pipeline'ın `__init__` yöntemine iletilir. Daha fazla bilgi için aşağıdaki örneğe bakın.

	Orijinal `.ckpt` veya `.safetensors` biçiminde kaydedilmiş önceden eğitilmiş ağırlıklardan bir model örnekleyin. Model varsayılan olarak değerlendirme moduna ayarlanır (`model.eval()`).

	```py
	>>> from diffusers import StableCascadeUNet

	>>> ckpt_path = "https://huggingface.co/stabilityai/stable-cascade/blob/main/stage_b_lite.safetensors"
	>>> model = StableCascadeUNet.from_single_file(ckpt_path)
	```