参数

• prompt (str 或 List[str], 可选) — 引导图像生成的提示词。如果未定义，您需要传递 prompt_embeds。
• image (torch.Tensor, PIL.Image.Image, np.ndarray, List[torch.Tensor], List[PIL.Image.Image], 或 List[np.ndarray]) — 用作起点的图像或表示图像批次的张量。仅当 depth_map 非 None 时，才能接受图像潜在表示作为 image。
• depth_map (torch.Tensor, 可选) — 用于图像生成过程的额外条件深度预测。如果未定义，它会自动使用 self.depth_estimator 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，strength 越高，添加的噪声越多。去噪步数取决于最初添加的噪声量。当 strength 为 1 时，添加的噪声最大，去噪过程将运行 num_inference_steps 中指定的所有迭代次数。值为 1 基本上会忽略 image。
• num_inference_steps (int, 可选, 默认为 50) — 去噪步数。更多的去噪步数通常会带来更高质量的图像，但会以较慢的推理速度为代价。此参数受 strength 调节。
• guidance_scale (float, 可选, 默认为 7.5) — 较高的引导比例值鼓励模型生成与文本 prompt 紧密相关的图像，但会以较低的图像质量为代价。当 guidance_scale > 1 时启用引导比例。
• negative_prompt (str 或 List[str], 可选) — 引导图像生成不包含内容的提示词。如果未定义，您需要传递 negative_prompt_embeds。当不使用引导时 (guidance_scale < 1)，此参数将被忽略。
• num_images_per_prompt (int, 可选, 默认为 1) — 每个提示词生成的图像数量。
• 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（提示词权重）。如果未提供，文本嵌入将从 prompt 输入参数生成。
• negative_prompt_embeds (torch.Tensor, 可选) — 预生成的负文本嵌入。可用于轻松调整文本输入（提示词权重）。如果未提供，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。选择 PIL.Image 或 np.array。
• return_dict (bool, 可选, 默认为 True) — 是否返回 StableDiffusionPipelineOutput 而不是普通元组。
• cross_attention_kwargs (dict, 可选) — 一个 kwargs 字典，如果指定，将传递给 self.processor 中定义的 AttentionProcessor。
• clip_skip (int, 可选) — 计算提示词嵌入时要从 CLIP 中跳过的层数。值为 1 表示将使用倒数第二层的输出计算提示词嵌入。
• callback_on_step_end (Callable, 可选) — 在推理过程中每个去噪步骤结束时调用的函数。该函数将使用以下参数调用：callback_on_step_end(self: DiffusionPipeline, step: int, timestep: int, callback_kwargs: Dict)。callback_kwargs 将包含 callback_on_step_end_tensor_inputs 中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，否则返回一个 tuple，其中第一个元素是生成图像的列表。

参数

• slice_size (str 或 int, 可选, 默认为 "auto") — 当为 "auto" 时，将输入减半到注意力头，因此注意力将分两步计算。如果为 "max"，则通过一次只运行一个切片来节省最大内存量。如果提供数字，则使用 attention_head_dim // slice_size 个切片。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，以用作 xFormers 的 memory_efficient_attention() 函数的 op 参数。

参数

• pretrained_model_name_or_path (str 或 os.PathLike 或 List[str 或 os.PathLike] 或 Dict 或 List[Dict]) — 可以是以下其中一种或其列表：
  • Hub 上托管的预训练模型的模型 ID 字符串（例如 sd-concepts-library/low-poly-hd-logos-icons）。
  • 包含文本反转权重的目录路径（例如 ./my_text_inversion_directory/）。
  • 包含文本反转权重的文件路径（例如 ./my_text_inversions.pt）。
  • 一个 torch 状态字典。
• token (str 或 List[str], 可选) — 覆盖用于文本反转权重的令牌。如果 pretrained_model_name_or_path 是列表，则 token 也必须是等长的列表。
• text_encoder (CLIPTextModel, 可选) — 冻结的文本编码器（clip-vit-large-patch14）。如果未指定，函数将使用 self.tokenizer。
• tokenizer (CLIPTokenizer, 可选) — 用于标记文本的 CLIPTokenizer。如果未指定，函数将使用 self.tokenizer。
• weight_name (str, 可选) — 自定义权重文件的名称。应在以下情况使用：
  • 保存的文本反转文件为 🤗 Diffusers 格式，但以特定权重名称（例如 text_inv.bin）保存。
  • 保存的文本反转文件为 Automatic1111 格式。
• cache_dir (Union[str, os.PathLike], 可选) — 如果不使用标准缓存，则下载的预训练模型配置的缓存目录路径。
• 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，如果已存在缓存版本则覆盖。
• proxies (Dict[str, str], 可选) — 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) — 是否只加载本地模型权重和配置文件。如果设置为 True，模型将不会从 Hub 下载。
• hf_token (str 或 bool, 可选) — 用作远程文件 HTTP bearer 授权的令牌。如果为 True，则使用从 diffusers-cli login 生成的令牌（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 "") — 模型文件在 Hub 或本地较大模型仓库中的子文件夹位置。
• mirror (str, 可选) — 如果您在中国下载模型，则镜像源可以解决可访问性问题。我们不保证源的及时性或安全性，您应该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) — 用于引用已加载适配器模型的适配器名称。如果未指定，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快模型加载速度。
• hotswap (bool, 可选) — 默认为 False。是否用新加载的适配器就地替换现有（LoRA）适配器。这意味着，不是加载额外的适配器，而是将现有适配器权重替换为新适配器的权重。这可以更快且更节省内存。然而，热插拔的主要优点是，当模型使用 torch.compile 编译时，加载新适配器不需要重新编译模型。使用热插拔时，传入的 adapter_name 应该是已加载适配器的名称。

  如果新适配器和旧适配器具有不同的秩和/或 LoRA alpha（即缩放），则在加载适配器之前需要调用一个额外的方法：

参数

• save_directory (str 或 os.PathLike) — 保存 LoRA 参数的目录。如果不存在，则将创建。
• unet_lora_layers (Dict[str, torch.nn.Module] 或 Dict[str, torch.Tensor]) — 对应于 unet 的 LoRA 层状态字典。
• text_encoder_lora_layers (Dict[str, torch.nn.Module] 或 Dict[str, torch.Tensor]) — 对应于 text_encoder 的 LoRA 层状态字典。必须明确传递文本编码器 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。在分布式训练期间需要将 torch.save 替换为其他方法时很有用。可以通过环境变量 DIFFUSERS_SAVE_MODE 配置。
• safe_serialization (bool, 可选, 默认为 True) — 是否使用 safetensors 或传统 PyTorch 方式（带 pickle）保存模型。
• unet_lora_adapter_metadata — 与 unet 关联的 LoRA 适配器元数据，将随状态字典一起序列化。
• text_encoder_lora_adapter_metadata — 与文本编码器关联的 LoRA 适配器元数据，将随状态字典一起序列化。

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) — 是否使用分类器自由指导。
• negative_prompt (str 或 List[str], 可选) — 不用于引导图像生成的提示。如果未定义，则必须传递 negative_prompt_embeds。当不使用指导时（即，如果 guidance_scale 小于 1 则忽略），此参数将被忽略。
• 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，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，negative_prompt_embeds 将从 negative_prompt 输入参数生成。
• lora_scale (float, 可选) — 应用于文本编码器所有 LoRA 层的 LoRA 比例（如果已加载 LoRA 层）。
• clip_skip (int, 可选) — 在计算提示嵌入时，从 CLIP 跳过的层数。值为 1 表示将使用倒数第二层的输出计算提示嵌入。