# Compartir pipelines y modelos

Comparte tus pipelines, modelos y schedulers en el Hub con [PushToHubMixin](/docs/diffusers/main/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/main/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/main/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/main/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/main/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/main/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/main/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/main/es/api/pipelines/overview#diffusers.DiffusionPipeline.from_pretrained) y luego llame a [push_to_hub()](/docs/diffusers/main/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/main/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/main/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/main/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.