# SD3Transformer2D

Cette classe est utile lorsque vous chargez *uniquement* les poids dans un [SD3Transformer2DModel](/docs/diffusers/v0.43.0/fr/api/models/sd3_transformer2d#diffusers.SD3Transformer2DModel). Si vous devez charger les poids dans l'encodeur de texte ou dans un encodeur de texte et un SD3Transformer2DModel, consultez plutôt la classe [`SD3LoraLoaderMixin`](lora#diffusers.loaders.SD3LoraLoaderMixin).

La classe `SD3Transformer2DLoadersMixin` ne charge actuellement que les poids IP-Adapter, mais sera utilisée à l’avenir pour enregistrer les poids et charger les LoRAs.

> [!TIP]
> Pour en savoir plus sur la manière de charger les poids LoRA, consultez le guide de chargement [LoRA](../../tutorials/using_peft_for_inference).

## SD3Transformer2DLoadersMixin[[diffusers.loaders.SD3Transformer2DLoadersMixin]]

#### diffusers.loaders.SD3Transformer2DLoadersMixin[[diffusers.loaders.SD3Transformer2DLoadersMixin]]

```python
diffusers.loaders.SD3Transformer2DLoadersMixin()
```

[Source](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/loaders/transformer_sd3.py#L27)

Charger les IP-Adapters et les couches LoRA dans un `[SD3Transformer2DModel]`.

#### _load_ip_adapter_weights[[diffusers.loaders.SD3Transformer2DLoadersMixin._load_ip_adapter_weights]]

```python
_load_ip_adapter_weights(state_dict: dict, low_cpu_mem_usage: bool = True)
```

[Source](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/loaders/transformer_sd3.py#L145)

**Paramètres :**

state_dict (`Dict`) : State dict with keys "ip_adapter", which contains parameters for attention processors, and "image_proj", which contains parameters for image projection net.

low_cpu_mem_usage (`bool`, *facultatif*, par défaut `True` si la version de torch est >= 1.9.0, sinon `False`) : Accélère le chargement du modèle en ne chargeant que les poids préentraînés et sans initialiser les poids. Cela tente également de ne pas utiliser plus de 1 fois la taille du modèle en mémoire CPU (y compris la mémoire de pointe) lors du chargement du modèle. Pris en charge uniquement pour PyTorch >= 1.9.0. Si vous utilisez une version plus ancienne de PyTorch, définir cet argument sur `True` déclenchera une erreur.

Définit les processeurs d'attention IP-Adapter, la projection d'image et charge le state_dict.