# AutoModel

تكتشف فئة [AutoModel](/docs/diffusers/main/ar/api/models/auto_model#diffusers.AutoModel) وتحمّل فئة النموذج الصحيحة (UNet، transformer، VAE) تلقائيًا من ملف `config.json`. لا تحتاج إلى معرفة اسم فئة النموذج المحدد مسبقًا. تدعم أنواع البيانات وتحديد الجهاز، وتعمل عبر أنواع النماذج والمكتبات.

يُحمّل المثال أدناه محوّلاً من Diffusers ومشفّر نصوص من Transformers. استخدم معامل `subfolder` لتحديد مكان تحميل ملف `config.json` من.

```py
import torch
from diffusers import AutoModel, DiffusionPipeline

transformer = AutoModel.from_pretrained(
    "Qwen/Qwen-Image", subfolder="transformer", dtype=torch.bfloat16, device_map="cuda"  # or "mps", "xpu", "cpu"
)

text_encoder = AutoModel.from_pretrained(
    "Qwen/Qwen-Image", subfolder="text_encoder", dtype=torch.bfloat16, device_map="cuda"
)
```

## نماذج مخصصة

[AutoModel](/docs/diffusers/main/ar/api/models/auto_model#diffusers.AutoModel) also loads models from the [Hub](https://huggingface.co/models) that aren't included in Diffusers. Set `trust_remote_code=True` in [AutoModel.from_pretrained()](/docs/diffusers/main/ar/api/models/auto_model#diffusers.AutoModel.from_pretrained) to load custom models.

يتطلب مستودع نموذج مخصص وحدة Python تحتوي على فئة النموذج، وملف `config.json` يحتوي على إدخال `auto_map` يربط `"AutoModel"` بـ `"module_file.ClassName"`.

```
custom/custom-transformer-model/
├── config.json
├── my_model.py
└── diffusion_pytorch_model.safetensors
```

يتضمن `config.json` حقل `auto_map` الذي يشير إلى الفئة المخصصة.

```json
{
  "auto_map": {
    "AutoModel": "my_model.MyCustomModel"
  }
}
```

ثم حمّله باستخدام `trust_remote_code=True`.

```py
import torch
from diffusers import AutoModel

transformer = AutoModel.from_pretrained(
    "custom/custom-transformer-model", trust_remote_code=True, dtype=torch.bfloat16, device_map="cuda"  # or "mps", "xpu", "cpu"
)
```

كمثال واقعي، يستضيف [Overworld/Waypoint-1-Small](https://huggingface.co/Overworld/Waypoint-1-Small/tree/main/transformer) فئة `WorldModel` مخصصة عبر عدة وحدات في مجلد `transformer` الفرعي الخاص به.

```
transformer/
├── config.json          # auto_map: "model.WorldModel"
├── model.py
├── attn.py
├── nn.py
├── cache.py
├── quantize.py
├── __init__.py
└── diffusion_pytorch_model.safetensors
```

```py
import torch
from diffusers import AutoModel

transformer = AutoModel.from_pretrained(
    "Overworld/Waypoint-1-Small", subfolder="transformer", trust_remote_code=True, dtype=torch.bfloat16, device_map="cuda"  # or "mps", "xpu", "cpu"
)
```

إذا ورث النموذج المخصص من فئة [ModelMixin](/docs/diffusers/main/ar/api/models/overview#diffusers.ModelMixin)، فيحصل على نفس الميزات المتاحة لفئات نماذج Diffusers، مثل [التجميع الإقليمي](../optimization/fp16#regional-compilation) و[إزاحة المجموعات](../optimization/memory#group-offloading).

> [!WARNING]
> كإجراء احترازي عند استخدام `trust_remote_code=True`، قم بتمرير تجزئة الالتزام (commit hash) إلى معامل `revision` في [AutoModel.from_pretrained()](/docs/diffusers/main/ar/api/models/auto_model#diffusers.AutoModel.from_pretrained) للتأكد من أن الكود لم يتم تحديثه بكود خبيث جديد (ما لم تكن تثق تماماً بأصحاب النموذج).
>
> ```py
> transformer = AutoModel.from_pretrained(
>     "Overworld/Waypoint-1-Small", subfolder="transformer", trust_remote_code=True, revision="a3d8cb2"
> )
> ```

## حفظ النماذج المخصصة

استخدم `register_for_auto_class()` لإضافة إدخال `auto_map` إلى `config.json` تلقائيًا عند الحفظ. وهذا يتجنب الحاجة إلى تحرير ملف الإعدادات يدويًا.

```py
# my_model.py
from diffusers import ModelMixin, ConfigMixin

class MyCustomModel(ModelMixin, ConfigMixin):
    ...

MyCustomModel.register_for_auto_class("AutoModel")

model = MyCustomModel(...)
model.save_pretrained("./my_model")
```

ستتضمن `config.json` المحفوظة حقل `auto_map`.

```json
{
  "auto_map": {
    "AutoModel": "my_model.MyCustomModel"
  }
}
```

## الخطوات التالية

تعرف على المزيد حول تنفيذ نماذج مخصصة في دليل [مكونات المجتمع](../using-diffusers/custom_pipeline_overview#community-components).