diffusers/v0.43.0/ja/installation.md

インストール

DiffusersにはPython 3.10以上が必要であり、PyTorch 2.6以上でテストされています。PyTorchは、お使いのシステムとセットアップに応じてインストールしてください。

個別プロジェクトの管理を容易にし、依存関係間の互換性問題を回避するために、仮想環境を作成します。uv（Rust製のPythonパッケージおよびプロジェクトマネージャー）を使用して、仮想環境を作成し、Diffusersをインストールします。

uv venv my-env
source my-env/bin/activate

Diffusersは、以下のいずれかの方法でインストールできます。

uv pip install diffusers["torch"] transformers

NVIDIA Spark デバイス（RTX Spark ラップトップなど）上で ARM64 を実行している場合、PyTorch とともに Diffusers をインストールするには、NVIDIA の PyPI インデックスから PyTorch をインストールしてください。これらのデバイスには、デフォルトの PyPI インデックスや標準的な PyTorch ウィールインデックスでは利用できない、NVIDIA による PyTorch の ARM64 ビルドが必要です。

以下のコマンドを実行して、システムがNVIDIA GPUを検出できるか確認してください。

nvidia-smi

NVIDIA PyPI インデックスから PyTorch をインストールし、その後 Diffusers をインストールします。

uv pip install torch --index-url https://pypi.nvidia.com
uv pip install diffusers

conda install -c conda-forge diffusers

ソースからのインストールでは、最新のstableバージョンではなくmainバージョンがインストールされます。mainバージョンは最新の変更を常に追従するには有用ですが、常に安定しているとは限りません。問題が発生した場合は、Issueを開いてください。できるだけ早く解決できるよう努めます。

Accelerateがインストールされていることを確認してください。

uv pip install accelerate

以下のコマンドで、ソースからDiffusersをインストールします。

uv pip install git+https://github.com/huggingface/diffusers

必要に応じて、extras を指定してインストールしてください。diffusers["torch"] を指定すると、PyTorch と Accelerate がインストールされます。その他の extras には、量子化バックエンド、トレーニング、ドキュメントが含まれます。完全なリストは setup.py を参照してください。

デバイス

Diffusers は、PyTorch がサポートするすべてのアクセラレーターで動作します。ドキュメント内の例では、最も一般的なセットアップであるため "cuda" が使用されていますが、CUDA 固有の要素はありません。Intel GPU には "xpu"、Apple silicon には "mps"、CPU には "cpu" のように、お使いのハードウェアに対応するデバイス文字列に置き換えてください。

device = "cuda"  # or "mps", "xpu", "cpu"
pipeline.to(device)

ハードコードするのではなく、実行時にデバイスを選択するには、torch.acceleratorを使用します。

import torch

device = torch.accelerator.current_accelerator().type if torch.accelerator.is_available() else "cpu"

編集可能なインストール

開発ワークフローや、ソースコードのmainバージョンを使用している場合は、editable install（編集可能なインストール）が推奨されます。クローンしたリポジトリとPythonライブラリのパスの間に特別なリンクが作成されます。これにより、変更のたびにパッケージを再インストールする必要がなくなります。

以下のコマンドでリポジトリをクローンし、Diffusersをインストールします。

git clone https://github.com/huggingface/diffusers.git
cd diffusers
uv pip install -e ".[torch]"

編集可能インストールでライブラリを継続して使用する場合、diffusersフォルダを保持する必要があります。

以下のコマンドを実行して、クローンしたリポジトリを Diffusers の最新バージョンに更新してください。

cd ~/diffusers/
git pull

キャッシュ

モデルの重みとファイルは、通常はホームディレクトリにあるキャッシュに、Hub からダウンロードされます。HF_HOME または HF_HUB_CACHE 環境変数を変更するか、from_pretrained() のようなメソッドで cache_dir パラメータを設定することで、キャッシュの保存場所を変更できます。

export HF_HOME="/path/to/your/cache"
export HF_HUB_CACHE="/path/to/your/hub/cache"

from diffusers import DiffusionPipeline

pipeline = DiffusionPipeline.from_pretrained(
    "black-forest-labs/FLUX.1-dev",
    cache_dir="/path/to/your/cache"
)

キャッシュされたファイルを使用すると、Diffusers をオフラインで利用できます。Diffusers がインターネットに接続しないようにするには、環境変数 HF_HUB_OFFLINE を 1 に設定してください。

export HF_HUB_OFFLINE=1

キャッシュの管理とクリーンアップの詳細については、キャッシュの仕組みガイドをご覧ください。

テレメトリのログ記録

Diffusers gathers telemetry information during from_pretrained() requests. The data gathered includes the Diffusers and PyTorch version, the requested model or pipeline class, and the path to a pretrained checkpoint if it is hosted on the Hub.

この使用データは、問題のデバッグや新機能の優先順位付けに役立てられています。テレメトリは、Hubからモデルやパイプラインを読み込む場合のみ送信され、ローカルファイルを読み込む場合は収集されません。

HF_HUB_DISABLE_TELEMETRY 環境変数を使用して、テレメトリ収集をオプトアウトおよび無効にできます。

export HF_HUB_DISABLE_TELEMETRY=1

set HF_HUB_DISABLE_TELEMETRY=1