将模型适配到新任务
许多扩散系统共享相同的组件，使您可以将为一项任务预训练的模型适配到完全不同的任务。
本指南将向您展示如何通过初始化和修改预训练的 UNet2DConditionModel 架构，将预训练的文本到图像模型适配到修复任务。
配置 UNet2DConditionModel 参数
默认情况下，UNet2DConditionModel 在 输入样本 中接受 4 个通道。例如，加载一个预训练的文本到图像模型，例如 runwayml/stable-diffusion-v1-5，并查看 in_channels 的数量。
from diffusers import StableDiffusionPipeline
pipeline = StableDiffusionPipeline.from_pretrained("runwayml/stable-diffusion-v1-5", use_safetensors=True)
pipeline.unet.config["in_channels"]
4修复需要在输入样本中使用 9 个通道。您可以在像 runwayml/stable-diffusion-inpainting 这样的预训练修复模型中检查此值。
from diffusers import StableDiffusionPipeline
pipeline = StableDiffusionPipeline.from_pretrained("runwayml/stable-diffusion-inpainting", use_safetensors=True)
pipeline.unet.config["in_channels"]
9要将您的文本到图像模型适配到修复任务，您需要将 in_channels 的数量从 4 更改为 9。
使用预训练的文本到图像模型权重初始化 UNet2DConditionModel，并将 in_channels 更改为 9。更改 in_channels 的数量意味着您需要设置 ignore_mismatched_sizes=True 和 low_cpu_mem_usage=False 以避免大小不匹配错误，因为形状现在不同了。
from diffusers import UNet2DConditionModel
model_id = "runwayml/stable-diffusion-v1-5"
unet = UNet2DConditionModel.from_pretrained(
model_id,
subfolder="unet",
in_channels=9,
low_cpu_mem_usage=False,
ignore_mismatched_sizes=True,
use_safetensors=True,
)来自文本到图像模型的其他组件的预训练权重从其检查点初始化，但 unet 的输入通道权重 (conv_in.weight) 是随机初始化的。对模型进行修复任务的微调非常重要，否则模型会返回噪声。