Buckets:
| # Diffusers | |
| Diffusers, önceden eğitilmiş difüzyon modellerini ve özel görüntü, video ve ses iş akışları için yapı taşlarını sağlar. | |
| İki ana yolu vardır. | |
| - [DiffusionPipeline](/docs/diffusers/main/tr/api/pipelines/overview#diffusers.DiffusionPipeline), önceden eğitilmiş kontrol noktalarıyla birkaç satırlık çıkarım ve LoRA gibi adaptörleri destekler. Bu, üretim için kolay yoldur. | |
| - [Modular Diffusers](./modular_diffusers/overview), daha fazla kontrol gerektiğinde özel [ModularPipeline](/docs/diffusers/main/tr/api/modular_diffusers/pipeline#diffusers.ModularPipeline)'ler için birleştirilebilir bloklar sağlar. | |
| Offloading ve quantization gibi optimizasyonlar, bellek kısıtlı cihazlarda büyük modellerin çalıştırılmasını sağlar. Bellek bir sorun değilse, Diffusers daha hızlı çıkarım için `torch.compile` desteğini de sunar. | |
| Şimdi [Hub](https://huggingface.co/models?library=diffusers&sort=trending)'da trend olan Diffusers modellerini görüntüleyin. | |
| ## Öğren | |
| Başlangıç seviyesindeyseniz, [Hugging Face Diffusion Models Course](https://huggingface.co/learn/diffusion-course/unit0/1) ile başlayın. Bu kurs, Diffusers ile görüntü üretme, modelleri ince ayar yapma ve daha fazlası ile birlikte difüzyon teorisini kapsar. | |
| [Hızlı Başlangıç](./quicktour) bölümü, çıkarım için kopyalanabilir bir ajan kurulumu istemcisi de içerir. | |
| ## Sıradaki adımlar | |
| - [Çıkarım](./using-diffusers/loading) — hatları yükleyin ve üretim çalıştırın | |
| - [Optimize et ve ölçeklendir](./stable_diffusion) — bellek, hız, kuantizasyon ve sunum | |
| - [Modüler Diffusers](./modular_diffusers/overview) — bloklardan özel pipeline'lar oluşturun | |
| - [Eğit ve ince ayar yap](./training/overview) — difüzyon modellerini ve adaptörleri eğitin | |
| - [CLI](./using-diffusers/cli) - komut satırından pipeline'ları çalıştırın ve paketleyin | |
Xet Storage Details
- Size:
- 1.93 kB
- Xet hash:
- 763faab8ef80282921905a3c08136a7f2e4486a50e0cf0ca9b9c99778da777cd
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.