# AutoPipeline

[AutoPipeline](../api/pipelines/auto_pipeline)는 태스크와 모델을 기반으로 올바른 파이프라인 하위 클래스를 자동으로 선택하는 *태스크-모델* 파이프라인입니다. 특정 파이프라인 하위 클래스 이름을 알지 못해도 다양한 파이프라인 하위 클래스를 로드하는 복잡성을 처리합니다.

이는 모델에 따라 파이프라인 하위 클래스를 자동으로 선택하는 *모델 전용* 파이프라인인 [DiffusionPipeline](/docs/diffusers/main/ko/api/pipelines/overview#diffusers.DiffusionPipeline)과는 다릅니다.

```text
AutoPipelineForImage2Image.from_pretrained(model_id)
        |
        +-- read model_index.json  (e.g. StableDiffusionXLPipeline)
        +-- task mapping           (image-to-image)
        |
        v
StableDiffusionXLImg2ImgPipeline   // returned instance
```

[AutoPipelineForImage2Image](/docs/diffusers/main/ko/api/pipelines/auto_pipeline#diffusers.AutoPipelineForImage2Image)는 이미지-이미지 작업에만 사용할 수 있는 작업별 하위 클래스(예: [StableDiffusionXLImg2ImgPipeline](/docs/diffusers/main/ko/api/pipelines/stable_diffusion/stable_diffusion_xl#diffusers.StableDiffusionXLImg2ImgPipeline))를 반환합니다.

```py
import torch
from diffusers import AutoPipelineForImage2Image

pipeline = AutoPipelineForImage2Image.from_pretrained(
  "RunDiffusion/Juggernaut-XL-v9", dtype=torch.bfloat16, device_map="cuda",  # or "mps", "xpu", "cpu"
)
print(pipeline)
# StableDiffusionXLImg2ImgPipeline {
#   "_class_name": "StableDiffusionXLImg2ImgPipeline",
#   ...
# }
```

[DiffusionPipeline](/docs/diffusers/main/ko/api/pipelines/overview#diffusers.DiffusionPipeline)로 동일한 모델을 로드하면 기본 텍스트-이미지 서브클래스인 [StableDiffusionXLPipeline](/docs/diffusers/main/ko/api/pipelines/stable_diffusion/stable_diffusion_xl#diffusers.StableDiffusionXLPipeline)이 반환됩니다. 해당 파이프라인은 텍스트-이미지 작업에 사용됩니다. 이미지-이미지 또는 인페인팅 작업의 경우 [AutoPipelineForImage2Image](/docs/diffusers/main/ko/api/pipelines/auto_pipeline#diffusers.AutoPipelineForImage2Image) 또는 [AutoPipelineForInpainting](/docs/diffusers/main/ko/api/pipelines/auto_pipeline#diffusers.AutoPipelineForInpainting)과 같은 작업 AutoPipeline을 로드하거나, 해당 작업에 맞는 특정 서브클래스를 로드하세요.

```py
import torch
from diffusers import DiffusionPipeline

pipeline = DiffusionPipeline.from_pretrained(
  "RunDiffusion/Juggernaut-XL-v9", dtype=torch.bfloat16, device_map="cuda",  # or "mps", "xpu", "cpu"
)
print(pipeline)
# StableDiffusionXLPipeline {
#   "_class_name": "StableDiffusionXLPipeline",
#   ...
# }
```

## from_pipe로 작업 전환

작업용 AutoPipeline을 한 번 로드한 후, [from_pipe()](/docs/diffusers/main/ko/api/pipelines/auto_pipeline#diffusers.AutoPipelineForImage2Image.from_pipe)를 사용하여 가중치를 다시 다운로드하지 않고 작업을 전환할 수 있습니다. 구성 요소는 소스 파이프라인에서 재사용됩니다.

```py
import torch
from diffusers import AutoPipelineForText2Image, AutoPipelineForImage2Image

pipeline_t2i = AutoPipelineForText2Image.from_pretrained(
  "RunDiffusion/Juggernaut-XL-v9", dtype=torch.bfloat16, device_map="cuda",  # or "mps", "xpu", "cpu"
)
pipeline_i2i = AutoPipelineForImage2Image.from_pipe(pipeline_t2i)
```

자세한 내용은 [여러 파이프라인에서 모델 재사용](../using-diffusers/loading#reusing-models-in-multiple-pipelines)을 참조하세요.

모델이 지원되는지 확인하려면 [mappings](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/auto_pipeline.py)를 확인하세요. 지원되지 않는 모델을 로드하려고 하면 오류가 반환됩니다.

```py
import torch
from diffusers import AutoPipelineForImage2Image

pipeline = AutoPipelineForImage2Image.from_pretrained(
    "openai/shap-e-img2img", dtype=torch.float16,
)
"ValueError: AutoPipeline can't find a pipeline linked to ShapEImg2ImgPipeline for None"
```

[AutoPipeline](../api/pipelines/auto_pipeline) 클래스에는 네 가지 유형이 있습니다:

- [AutoPipelineForText2Image](/docs/diffusers/main/ko/api/pipelines/auto_pipeline#diffusers.AutoPipelineForText2Image)
- [AutoPipelineForImage2Image](/docs/diffusers/main/ko/api/pipelines/auto_pipeline#diffusers.AutoPipelineForImage2Image)
- [AutoPipelineForInpainting](/docs/diffusers/main/ko/api/pipelines/auto_pipeline#diffusers.AutoPipelineForInpainting)
- [AutoPipelineForText2Audio](/docs/diffusers/main/ko/api/pipelines/auto_pipeline#diffusers.AutoPipelineForText2Audio)

각 클래스에는 사전 정의된 매핑이 포함되어 있으며, 이를 통해 파이프라인을 해당 작업에 특화된 하위 클래스와 연결합니다.

[from_pretrained()](/docs/diffusers/main/ko/api/pipelines/auto_pipeline#diffusers.AutoPipelineForText2Image.from_pretrained)이 호출되면 `model_index.json` 파일에서 클래스 이름을 추출하고, 매핑을 기반으로 해당 작업에 적합한 pipeline 하위 클래스를 선택합니다.