Buckets:
| # Compartir pipelines y modelos | |
| Comparte tus pipelines, modelos y schedulers en el Hub con [PushToHubMixin](/docs/diffusers/v0.43.0/es/api/schedulers/overview#diffusers.utils.PushToHubMixin). Este mixin: | |
| 1. crea un repositorio en el Hub | |
| 2. guarda los archivos de tu modelo, programador o pipeline para que puedan recargarse más adelante | |
| 3. sube la carpeta que contiene estos archivos al Hub | |
| Inicia sesión en tu cuenta de Hugging Face con tu [token](https://huggingface.co/settings/tokens) de acceso. | |
| ```py | |
| from huggingface_hub import notebook_login | |
| notebook_login() | |
| ``` | |
| ```bash | |
| hf auth login | |
| ``` | |
| Sube a tu espacio de usuario con un id corto (`"my-controlnet-model"`) o a una organización con `"your-org/my-controlnet-model"`. | |
| ## Modelos | |
| Para subir un modelo al Hub, llama a [push_to_hub()](/docs/diffusers/v0.43.0/es/api/schedulers/overview#diffusers.utils.PushToHubMixin.push_to_hub) y especifica el id del repositorio del modelo. | |
| ```py | |
| from diffusers import ControlNetModel | |
| controlnet = ControlNetModel( | |
| block_out_channels=(32, 64), | |
| layers_per_block=2, | |
| in_channels=4, | |
| down_block_types=("DownBlock2D", "CrossAttnDownBlock2D"), | |
| cross_attention_dim=32, | |
| conditioning_embedding_out_channels=(16, 32), | |
| ) | |
| controlnet.push_to_hub("my-controlnet-model") | |
| ``` | |
| El método [push_to_hub()](/docs/diffusers/v0.43.0/es/api/schedulers/overview#diffusers.utils.PushToHubMixin.push_to_hub) guarda el archivo `config.json` del modelo y los pesos se guardan automáticamente como [archivos safetensors](./other-formats#safetensors). | |
| Cargue el modelo nuevamente con [ControlNetModel.from_pretrained()](/docs/diffusers/v0.43.0/es/api/models/overview#diffusers.ModelMixin.from_pretrained). | |
| ```py | |
| model = ControlNetModel.from_pretrained("your-namespace/my-controlnet-model") | |
| ``` | |
| ## Programador | |
| Para subir un programador al Hub, llama a [push_to_hub()](/docs/diffusers/v0.43.0/es/api/schedulers/overview#diffusers.utils.PushToHubMixin.push_to_hub) y especifica el identificador del repositorio del programador. | |
| ```py | |
| from diffusers import DDIMScheduler | |
| scheduler = DDIMScheduler( | |
| beta_start=0.00085, | |
| beta_end=0.012, | |
| beta_schedule="scaled_linear", | |
| clip_sample=False, | |
| set_alpha_to_one=False, | |
| ) | |
| scheduler.push_to_hub("my-ddim-scheduler") | |
| ``` | |
| El método [push_to_hub()](/docs/diffusers/v0.43.0/es/api/schedulers/overview#diffusers.utils.PushToHubMixin.push_to_hub) guarda el archivo `scheduler_config.json` del programador en el repositorio especificado. | |
| Cargue de nuevo el programador con [from_pretrained()](/docs/diffusers/v0.43.0/es/api/schedulers/overview#diffusers.SchedulerMixin.from_pretrained). | |
| ```py | |
| scheduler = DDIMScheduler.from_pretrained("your-namespace/my-ddim-scheduler") | |
| ``` | |
| ## Pipeline | |
| Para subir un pipeline al Hub, cárguelo con [from_pretrained()](/docs/diffusers/v0.43.0/es/api/pipelines/overview#diffusers.DiffusionPipeline.from_pretrained) y luego llame a [push_to_hub()](/docs/diffusers/v0.43.0/es/api/schedulers/overview#diffusers.utils.PushToHubMixin.push_to_hub) con un identificador de repositorio. | |
| ```py | |
| import torch | |
| from diffusers import DiffusionPipeline | |
| pipeline = DiffusionPipeline.from_pretrained( | |
| "Qwen/Qwen-Image", dtype=torch.bfloat16, device_map="cuda" # or "mps", "xpu", "cpu" | |
| ) | |
| pipeline.push_to_hub("your-namespace/my-qwen-image") | |
| ``` | |
| El método [push_to_hub()](/docs/diffusers/v0.43.0/es/api/schedulers/overview#diffusers.utils.PushToHubMixin.push_to_hub) guarda cada componente en una subcarpeta del repositorio. Cargue el pipeline nuevamente con [DiffusionPipeline.from_pretrained()](/docs/diffusers/v0.43.0/es/api/pipelines/overview#diffusers.DiffusionPipeline.from_pretrained). | |
| ```py | |
| pipeline = DiffusionPipeline.from_pretrained("your-namespace/my-qwen-image") | |
| ``` | |
| ## Privacidad | |
| Establezca `private=True` en [push_to_hub()](/docs/diffusers/v0.43.0/es/api/schedulers/overview#diffusers.utils.PushToHubMixin.push_to_hub) para mantener privados los archivos de un modelo, un programador o un pipeline. | |
| ```py | |
| controlnet.push_to_hub("my-controlnet-model-private", private=True) | |
| ``` | |
| Pasa `create_pr=True` para abrir una pull request en un repositorio existente de Hub en lugar de hacer push directamente a la rama predeterminada. | |
| Los modelos y pipelines también aceptan `variant=` al hacer push si deseas un archivo de pesos con nombre, como `fp16`. Los schedulers no utilizan `variant`. | |
| Los repositorios privados solo son visibles para ti. Otros usuarios no podrán clonar el repositorio y este no aparecerá en los resultados de búsqueda. Incluso si un usuario tiene la URL de tu repositorio privado, recibirá un `404 - Sorry, we can't find the page you are looking for`. Debes estar [iniciado sesión](https://huggingface.co/docs/huggingface_hub/quick-start#login) para cargar un modelo desde un repositorio privado. | |
Xet Storage Details
- Size:
- 4.82 kB
- Xet hash:
- 952c234d975b13b8fabdb76f4d792268fc4f48a1dac7e7d8fd0c840e0ec63cd2
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.