Buckets:
| # ONNX Runtime | |
| 🤗 [Optimum](https://github.com/huggingface/optimum), ONNX Runtime ile uyumlu bir Stable Diffusion hattı sağlar. ONNX Runtime desteği için 🤗 Optimum'u aşağıdaki komutla yüklemeniz gerekir: | |
| ```bash | |
| pip install -q optimum["onnxruntime"] | |
| ``` | |
| Bu kılavuz, Stable Diffusion ve Stable Diffusion XL (SDXL) hatlarını ONNX Runtime ile nasıl kullanacağınızı gösterecektir. | |
| ## Stable Diffusion | |
| Yükleme ve çıkarım çalıştırmak için `ORTStableDiffusionPipeline` kullanın. Bir PyTorch modelini yükleyip onu anında ONNX biçimine dönüştürmek istiyorsanız `export=True` olarak ayarlayın: | |
| ```python | |
| from optimum.onnxruntime import ORTStableDiffusionPipeline | |
| model_id = "stable-diffusion-v1-5/stable-diffusion-v1-5" | |
| pipeline = ORTStableDiffusionPipeline.from_pretrained(model_id, export=True) | |
| prompt = "sailing ship in storm by Leonardo da Vinci" | |
| image = pipeline(prompt).images[0] | |
| pipeline.save_pretrained("./onnx-stable-diffusion-v1-5") | |
| ``` | |
| > [!WARNING] | |
| > Bir partide birden çok istek üretmek çok fazla bellek kullanıyor gibi görünüyor. Bu konuyu incelerken, partilemek yerine yineleme yapmanız gerekebilir. | |
| ONNX biçiminde hattı çevrimdışı olarak dışa aktarmak ve daha sonra çıkarım için kullanmak için [`optimum-cli export`](https://huggingface.co/docs/optimum/main/en/exporters/onnx/usage_guides/export_a_model#exporting-a-model-to-onnx-using-the-cli) komutunu kullanın: | |
| ```bash | |
| optimum-cli export onnx --model stable-diffusion-v1-5/stable-diffusion-v1-5 sd_v15_onnx/ | |
| ``` | |
| Sonra çıkarım yapmak için (tekrar `export=True` belirtmenize gerek yok): | |
| ```python | |
| from optimum.onnxruntime import ORTStableDiffusionPipeline | |
| model_id = "sd_v15_onnx" | |
| pipeline = ORTStableDiffusionPipeline.from_pretrained(model_id) | |
| prompt = "sailing ship in storm by Leonardo da Vinci" | |
| image = pipeline(prompt).images[0] | |
| ``` | |
| Daha fazla örneği 🤗 Optimum [belgelerinde](https://huggingface.co/docs/optimum/) bulabilirsiniz ve Stable Diffusion, metinden görüntüye, görüntüden görüntüye ve inpainting işlemleri için desteklenmektedir. | |
| ## Stable Diffusion XL | |
| SDXL ile yüklemek ve çıkarım yapmak için `ORTStableDiffusionXLPipeline` kullanın: | |
| ```python | |
| from optimum.onnxruntime import ORTStableDiffusionXLPipeline | |
| model_id = "stabilityai/stable-diffusion-xl-base-1.0" | |
| pipeline = ORTStableDiffusionXLPipeline.from_pretrained(model_id) | |
| prompt = "sailing ship in storm by Leonardo da Vinci" | |
| image = pipeline(prompt).images[0] | |
| ``` | |
| ONNX biçiminde hattı dışa aktarmak ve daha sonra çıkarım için kullanmak için [`optimum-cli export`](https://huggingface.co/docs/optimum/main/en/exporters/onnx/usage_guides/export_a_model#exporting-a-model-to-onnx-using-the-cli) komutunu kullanın: | |
| ```bash | |
| optimum-cli export onnx --model stabilityai/stable-diffusion-xl-base-1.0 --task stable-diffusion-xl sd_xl_onnx/ | |
| ``` | |
| ONNX biçimindeki SDXL, metinden görüntüye ve görüntüden görüntüye işlemler için desteklenmektedir. | |
Xet Storage Details
- Size:
- 3 kB
- Xet hash:
- 6867ff4586b822b6a6c69b65d8c15f15f6576e18b5ff0dac74d979925bd15858
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.