# Diffusers

Diffusers 提供预训练的扩散模型以及构建自定义图像、视频和音频工作流的基础组件。

它包含两条主要路径。

- [DiffusionPipeline](/docs/diffusers/v0.43.0/zh/api/pipelines/overview#diffusers.DiffusionPipeline) 支持使用预训练检查点进行几行代码的推理，并支持 LoRA 等适配器。这是生成任务中最简便的路径。
- [Modular Diffusers](./modular_diffusers/overview) 支持可组合的模块以及用于自定义流水线的 [ModularPipeline](/docs/diffusers/v0.43.0/zh/api/modular_diffusers/pipeline#diffusers.ModularPipeline)，以便在需要更精细控制时使用。

诸如 offloading 和量化等优化技术，使大型模型能够在内存受限的设备上运行。如果内存不是问题，Diffusers 还支持 `torch.compile` 以实现更快的推理。

立即在 [Hub](https://huggingface.co/models?library=diffusers&sort=trending) 上浏览热门的 Diffusers 模型。

## 学习

如果您是初学者，请从[Hugging Face 扩散模型课程](https://huggingface.co/learn/diffusion-course/unit0/1)开始。该课程涵盖了扩散理论，以及如何使用 Diffusers 生成图像、微调模型等内容。

[快速入门](./quicktour)还包含一个可复制的用于推理的代理设置提示词。

## 接下来

- [推理](./using-diffusers/loading) — 加载流水线并运行生成
- [优化与扩展](./stable_diffusion) — 内存、速度、量化和推理服务
- [模块化 Diffusers](./modular_diffusers/overview) — 使用模块构建自定义流水线
- [训练与微调](./training/overview) — 训练扩散模型和适配器
- [CLI](./using-diffusers/cli) - 从命令行运行和打包流水线