# Eski kontrol noktaları

Bu ayarlar, esas olarak eski Stable Diffusion ailesi kontrol noktalarına uygulanır.

## Güvenlik denetleyicisi

Diffusers, zararlı içerik üretiminin önlenmesi için eski Stable Diffusion checkpoint'lerine bir [güvenlik denetleyicisi](https://github.com/huggingface/diffusers/blob/main/src/diffusers/pipelines/stable_diffusion/safety_checker.py) sağlar. Üretilen çıktıyı, sabit kodlanmış zararlı kavramlar kümesine karşı tarar. Qwen-Image gibi daha yeni modellerde bu denetleyici bulunmaz.

Güvenlik denetleyicisini devre dışı bırakmak istiyorsanız, aşağıda gösterildiği gibi [from_pretrained()](/docs/diffusers/main/tr/api/pipelines/overview#diffusers.DiffusionPipeline.from_pretrained) içine `safety_checker=None` parametresini iletin.

```py
from diffusers import DiffusionPipeline

pipeline = DiffusionPipeline.from_pretrained(
  "stable-diffusion-v1-5/stable-diffusion-v1-5", safety_checker=None
)
"""
You have disabled the safety checker for <class 'diffusers.pipelines.stable_diffusion.pipeline_stable_diffusion.StableDiffusionPipeline'> by passing `safety_checker=None`. Ensure that you abide by the conditions of the Stable Diffusion license and do not expose unfiltered results in services or applications open to the public. Both the diffusers team and Hugging Face strongly recommend keeping the safety filter enabled in all public-facing circumstances, disabling it only for use cases that involve analyzing network behavior or auditing its results. For more information, please have a look at https://github.com/huggingface/diffusers/pull/254 .
"""
```

## Zamanlamaları yeniden ölçeklendirme

Gürültü azaltma saf gürültüyle başlar, bu nedenle sinyal-gürültü (SNR) oranı sıfırdan başlar. Bazı modeller aslında saf gürültüden başlamaz, bu da parlak ve karanlık uçların üretilmesini zorlaştırır.

> [!TIP]
> Kendi modelinizi `v_prediction` ile eğitmek için eğitim betiğinize `--prediction_type="v_prediction"` bayrağını ekleyin. Ayrıca `v_prediction` ile eğitilmiş mevcut modelleri [araştırabilirsiniz](https://huggingface.co/search/full-text?q=v_prediction&type=model).

`v_prediction` modeli için bu zamanlayıcı argümanlarını etkinleştirin.

- `rescale_betas_zero_snr=True` değerini ayarlayarak gürültü zamanlamasını tam olarak sıfır SNR'ye sahip son zaman adımına yeniden ölçekleyin
- Son zaman adımıyla saf gürültüden örneklemeyi zorlamak için `timestep_spacing="trailing"` ayarlayın

```py
from diffusers import DiffusionPipeline, DDIMScheduler

pipeline = DiffusionPipeline.from_pretrained("ptx0/pseudo-journey-v2", device_map="cuda")  # or "mps", "xpu", "cpu"

pipeline.scheduler = DDIMScheduler.from_config(
    pipeline.scheduler.config, rescale_betas_zero_snr=True, timestep_spacing="trailing"
)
```

Aşırı pozlanmış görüntülerden kaçınmak için pipeline'da `guidance_rescale` değerini ayarlayın. Daha düşük bir değer parlaklığı artırır ancak bazı detaylar soluk görünebilir.

```py
prompt = """
cinematic photo of a snowy mountain at night with the northern lights aurora borealis
overhead, 35mm photograph, film, professional, 4k, highly detailed
"""
image = pipeline(prompt, guidance_rescale=0.7).images[0]
```

  
    
    sıfır SNR olmadan
  
  
    
    sıfır SNR ve son boşluk