参数

• prompt (str 或 List[str], 可选) — 用于引导图像生成的提示或提示列表。如果未定义，则需要传递 prompt_embeds。
• image (torch.Tensor, PIL.Image.Image, np.ndarray, List[torch.Tensor], List[PIL.Image.Image], 或 List[np.ndarray]) — Image 或张量，表示用作起点的图像批次。仅当 depth_map 不为 None 时，才能接受图像潜在空间作为 image。
• depth_map (torch.Tensor, 可选) — 深度预测，用作图像生成过程的附加条件。如果未定义，它将使用 self.depth_estimator 自动预测深度。
• strength (float, 可选, 默认为 0.8) — 指示转换参考 image 的程度。必须介于 0 和 1 之间。 image 用作起点，并且 strength 越高，添加的噪声就越多。去噪步骤的数量取决于最初添加的噪声量。当 strength 为 1 时，添加的噪声最大，并且去噪过程将运行在 num_inference_steps 中指定的完整迭代次数。值为 1 本质上会忽略 image。
• num_inference_steps (int, 可选, 默认为 50) — 去噪步骤的数量。更多的去噪步骤通常会以较慢的推理速度为代价，从而产生更高质量的图像。此参数由 strength 调制。
• guidance_scale (float, 可选, 默认为 7.5) — 较高的 guidance scale 值会鼓励模型生成与文本 prompt 紧密相关的图像，但会降低图像质量。当 guidance_scale > 1 时，将启用 Guidance scale。
• negative_prompt (str 或 List[str], 可选) — 用于引导图像生成中不应包含的内容的提示或提示列表。如果未定义，则需要改为传递 negative_prompt_embeds。当不使用 guidance 时（guidance_scale < 1），将被忽略。
• num_images_per_prompt (int, 可选, 默认为 1) — 每个提示要生成的图像数量。
• eta (float, 可选, 默认为 0.0) — 对应于 DDIM 论文中的参数 eta (η)。仅适用于 DDIMScheduler，在其他调度器中将被忽略。
• generator (torch.Generator 或 List[torch.Generator], 可选) — 用于使生成具有确定性的 torch.Generator。
• prompt_embeds (torch.Tensor, 可选) — 预生成的文本嵌入。可用于轻松调整文本输入（提示权重）。如果未提供，则文本嵌入将从 prompt 输入参数生成。
• negative_prompt_embeds (torch.Tensor, 可选) — 预生成的负面文本嵌入。可用于轻松调整文本输入（提示权重）。如果未提供，则 negative_prompt_embeds 将从 negative_prompt 输入参数生成。
• output_type (str, 可选, 默认为 "pil") — 生成图像的输出格式。在 PIL.Image 或 np.array 之间选择。
• return_dict (bool, 可选, 默认为 True) — 是否返回 StableDiffusionPipelineOutput 而不是纯元组。
• cross_attention_kwargs (dict, 可选) — 一个 kwargs 字典，如果指定，则会传递给 self.processor 中定义的 AttentionProcessor。
• clip_skip (int, 可选) — 从 CLIP 跳过的层数，用于计算提示嵌入。值为 1 表示预最终层的输出将用于计算提示嵌入。
• callback_on_step_end (Callable, 可选) — 一个函数，在推理期间的每个去噪步骤结束时调用。该函数使用以下参数调用： callback_on_step_end(self: DiffusionPipeline, step: int, timestep: int, callback_kwargs: Dict)。 callback_kwargs 将包含由 callback_on_step_end_tensor_inputs 指定的所有张量列表。
• callback_on_step_end_tensor_inputs (List, 可选) — callback_on_step_end 函数的张量输入列表。列表中指定的张量将作为 callback_kwargs 参数传递。您只能包含管道类 ._callback_tensor_inputs 属性中列出的变量。

如果 return_dict 为 True，则返回 StableDiffusionPipelineOutput，否则返回 tuple，其中第一个元素是包含生成的图像的列表。

参数

• slice_size (str 或 int, 可选, 默认为 "auto") — 当为 "auto" 时，将注意力头的输入减半，因此注意力将在两个步骤中计算。如果为 "max"，则通过一次只运行一个切片来最大程度地节省内存。如果提供数字，则使用与 attention_head_dim // slice_size 一样多的切片。在这种情况下，attention_head_dim 必须是 slice_size 的倍数。

参数

• attention_op (Callable, 可选) — 覆盖默认的 None 运算符，用作 memory_efficient_attention() 函数的 op 参数。

参数

• pretrained_model_name_or_path (str 或 os.PathLike 或 List[str or os.PathLike] 或 Dict 或 List[Dict]) — 可以是以下之一或它们的列表：
  • 一个字符串，预训练模型的模型 ID（例如 sd-concepts-library/low-poly-hd-logos-icons），托管在 Hub 上。
  • 目录的路径（例如 ./my_text_inversion_directory/），其中包含文本反演权重。
  • 文件的路径（例如 ./my_text_inversions.pt），其中包含文本反演权重。
  • torch 状态字典。
• token (str 或 List[str], 可选) — 覆盖用于文本反演权重的 token。如果 pretrained_model_name_or_path 是一个列表，则 token 也必须是长度相等的列表。
• text_encoder (CLIPTextModel, 可选) — 冻结的文本编码器 (clip-vit-large-patch14)。如果未指定，函数将采用 self.tokenizer。
• tokenizer (CLIPTokenizer, 可选) — 一个 CLIPTokenizer 用于 token 化文本。如果未指定，函数将采用 self.tokenizer。
• weight_name (str, 可选) — 自定义权重文件的名称。这应该在以下情况下使用：
  • 保存的文本反演文件是 🤗 Diffusers 格式，但以特定权重名称（例如 text_inv.bin）保存。
  • 保存的文本反演文件是 Automatic1111 格式。
• cache_dir (Union[str, os.PathLike], 可选) — 如果不使用标准缓存，则缓存下载的预训练模型配置的目录路径。
• force_download (bool, 可选, 默认为 False) — 是否强制（重新）下载模型权重和配置文件，覆盖缓存的版本（如果存在）。
• proxies (Dict[str, str], 可选) — 要按协议或端点使用的代理服务器字典，例如， {'http': 'foo.bar:3128', 'http://hostname': 'foo.bar:4012'}。代理用于每个请求。
• local_files_only (bool, 可选, 默认为 False) — 是否仅加载本地模型权重和配置文件。如果设置为 True，则不会从 Hub 下载模型。
• token (str 或 bool, 可选) — 用作远程文件的 HTTP Bearer 授权的 token。如果为 True，则使用从 diffusers-cli login 生成的 token（存储在 ~/.huggingface 中）。
• revision (str, 可选, 默认为 "main") — 要使用的特定模型版本。它可以是分支名称、标签名称、提交 ID 或 Git 允许的任何标识符。
• subfolder (str, 可选, 默认为 "") — Hub 或本地更大的模型存储库中模型文件的子文件夹位置。
• mirror (str, 可选) — 如果您在中国下载模型时遇到可访问性问题，可以使用镜像源来解决。我们不保证来源的及时性或安全性，您应参考镜像站点以获取更多信息。

参数

• pretrained_model_name_or_path_or_dict (str 或 os.PathLike 或 dict) — 请参阅 lora_state_dict()。
• adapter_name (str, 可选) — 用于引用加载的适配器模型的适配器名称。如果未指定，它将使用 default_{i}，其中 i 是正在加载的适配器总数。
• low_cpu_mem_usage (bool, 可选) — 通过仅加载预训练的 LoRA 权重而不初始化随机权重来加速模型加载。
• kwargs (dict, 可选) — 参见 lora_state_dict()。

参数

• save_directory (str 或 os.PathLike) — 用于保存 LoRA 参数的目录。如果目录不存在，则会创建它。
• unet_lora_layers (Dict[str, torch.nn.Module] 或 Dict[str, torch.Tensor]) — 对应于 unet 的 LoRA 层的状态字典。
• text_encoder_lora_layers (Dict[str, torch.nn.Module] 或 Dict[str, torch.Tensor]) — 对应于 text_encoder 的 LoRA 层的状态字典。 必须显式传递文本编码器 LoRA 状态字典，因为它来自 🤗 Transformers。
• is_main_process (bool, 可选, 默认为 True) — 调用此函数的进程是否为主进程。在分布式训练期间很有用，您需要在所有进程上调用此函数。在这种情况下，仅在主进程上设置 is_main_process=True 以避免竞争条件。
• save_function (Callable) — 用于保存状态字典的函数。在分布式训练中，当您需要用另一种方法替换 torch.save 时很有用。可以使用环境变量 DIFFUSERS_SAVE_MODE 进行配置。
• safe_serialization (bool, 可选, 默认为 True) — 是否使用 safetensors 或传统的 PyTorch 方式 pickle 保存模型。

参数

• prompt (str 或 List[str], 可选) — 要编码的提示
• device — (torch.device): torch 设备
• num_images_per_prompt (int) — 每个提示应生成的图像数量
• do_classifier_free_guidance (bool) — 是否使用无分类器引导
• negative_prompt (str 或 List[str], 可选) — 不引导图像生成的提示或提示列表。如果未定义，则必须改为传递 negative_prompt_embeds。当不使用引导时（即，如果 guidance_scale 小于 1），则忽略。
• prompt_embeds (torch.Tensor, 可选) — 预生成的文本嵌入。可用于轻松调整文本输入，例如 提示权重。如果未提供，则将从 prompt 输入参数生成文本嵌入。
• negative_prompt_embeds (torch.Tensor, 可选) — 预生成的负面文本嵌入。可用于轻松调整文本输入，例如 提示权重。如果未提供，则将从 negative_prompt 输入参数生成 negative_prompt_embeds。
• lora_scale (float, 可选) — 如果加载了 LoRA 层，则将应用于文本编码器的所有 LoRA 层的 LoRA 缩放比例。
• clip_skip (int, 可选) — 从 CLIP 中跳过的层数，用于计算提示嵌入。值为 1 表示预最终层的输出将用于计算提示嵌入。