Diffusers 文件
將檔案推送到 Hub
並獲得增強的文件體驗
開始使用
將檔案推送到 Hub
🤗 Diffusers 提供了一個 PushToHubMixin，用於將您的模型、scheduler 或 pipeline 上傳到 Hub。這是一種將檔案儲存在 Hub 上的簡便方法，也允許您與他人分享您的工作。在底層，PushToHubMixin
- 在 Hub 上建立一個倉庫
- 儲存您的模型、scheduler 或 pipeline 檔案，以便稍後重新載入
- 將包含這些檔案的資料夾上傳到 Hub
本指南將向您展示如何使用 PushToHubMixin 將您的檔案上傳到 Hub。
您需要先使用您的訪問 token 登入到您的 Hub 賬戶
from huggingface_hub import notebook_login
notebook_login()模型
要將模型推送到 Hub，請呼叫 push_to_hub() 並指定要儲存在 Hub 上的模型的倉庫 ID
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")對於模型，您還可以指定要推送到 Hub 的權重的 變體（variant）。例如，要推送 fp16 權重
controlnet.push_to_hub("my-controlnet-model", variant="fp16")push_to_hub() 函式會儲存模型的 config.json 檔案，並且權重會自動以 safetensors 格式儲存。
現在您可以從您在 Hub 上的倉庫重新載入模型
model = ControlNetModel.from_pretrained("your-namespace/my-controlnet-model")Scheduler
要將 scheduler 推送到 Hub，請呼叫 push_to_hub() 並指定要儲存在 Hub 上的 scheduler 的倉庫 ID
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-controlnet-scheduler")push_to_hub() 函式會將 scheduler 的 scheduler_config.json 檔案儲存到指定的倉庫中。
現在您可以從您在 Hub 上的倉庫重新載入 scheduler
scheduler = DDIMScheduler.from_pretrained("your-namepsace/my-controlnet-scheduler")Pipeline
您也可以將整個 pipeline 及其所有元件推送到 Hub。例如，使用您想要的引數初始化 StableDiffusionPipeline 的元件
from diffusers import (
UNet2DConditionModel,
AutoencoderKL,
DDIMScheduler,
StableDiffusionPipeline,
)
from transformers import CLIPTextModel, CLIPTextConfig, CLIPTokenizer
unet = UNet2DConditionModel(
block_out_channels=(32, 64),
layers_per_block=2,
sample_size=32,
in_channels=4,
out_channels=4,
down_block_types=("DownBlock2D", "CrossAttnDownBlock2D"),
up_block_types=("CrossAttnUpBlock2D", "UpBlock2D"),
cross_attention_dim=32,
)
scheduler = DDIMScheduler(
beta_start=0.00085,
beta_end=0.012,
beta_schedule="scaled_linear",
clip_sample=False,
set_alpha_to_one=False,
)
vae = AutoencoderKL(
block_out_channels=[32, 64],
in_channels=3,
out_channels=3,
down_block_types=["DownEncoderBlock2D", "DownEncoderBlock2D"],
up_block_types=["UpDecoderBlock2D", "UpDecoderBlock2D"],
latent_channels=4,
)
text_encoder_config = CLIPTextConfig(
bos_token_id=0,
eos_token_id=2,
hidden_size=32,
intermediate_size=37,
layer_norm_eps=1e-05,
num_attention_heads=4,
num_hidden_layers=5,
pad_token_id=1,
vocab_size=1000,
)
text_encoder = CLIPTextModel(text_encoder_config)
tokenizer = CLIPTokenizer.from_pretrained("hf-internal-testing/tiny-random-clip")將所有元件傳遞給 StableDiffusionPipeline，並呼叫 push_to_hub() 將 pipeline 推送到 Hub
components = {
"unet": unet,
"scheduler": scheduler,
"vae": vae,
"text_encoder": text_encoder,
"tokenizer": tokenizer,
"safety_checker": None,
"feature_extractor": None,
}
pipeline = StableDiffusionPipeline(**components)
pipeline.push_to_hub("my-pipeline")push_to_hub() 函式將每個元件儲存到倉庫中的一個子資料夾中。現在您可以從您在 Hub 上的倉庫重新載入 pipeline
pipeline = StableDiffusionPipeline.from_pretrained("your-namespace/my-pipeline")隱私
在 push_to_hub() 函式中設定 private=True，以保持您的模型、scheduler 或 pipeline 檔案私有
controlnet.push_to_hub("my-controlnet-model-private", private=True)私有倉庫僅對您可見，其他使用者無法克隆該倉庫，您的倉庫也不會出現在搜尋結果中。即使使用者擁有您私有倉庫的 URL，他們也會收到 404 - 抱歉，我們找不到您正在尋找的頁面 的提示。您必須 登入 才能從私有倉庫載入模型。