Hugging Face
模型
数据集
空间
帖子
文档
解决方案
定价
登录
注册
Diffusers 文档
概述
Diffusers
🏡 查看所有文档
AWS Trainium & Inferentia
加速
Amazon SageMaker
Argilla
AutoTrain
Bitsandbytes
聊天界面
竞赛
数据集查看器
数据集
Diffusers
Distilabel
评估
Google Cloud
Google TPUs
Gradio
Hub
Hub Python 库
Huggingface.js
推理 API(无服务器)
推理端点(专用)
排行榜
Optimum
PEFT
Safetensors
Sentence Transformers
TRL
任务
文本嵌入推理
文本生成推理
分词器
Transformers
Transformers.js
timm
搜索文档
主
v0.30.3
v0.29.2
v0.28.2
v0.27.2
v0.26.3
v0.25.1
v0.24.0
v0.23.1
v0.22.3
v0.21.0
v0.20.0
v0.19.3
v0.18.2
v0.17.1
v0.16.0
v0.15.0
v0.14.0
v0.13.0
v0.12.0
v0.11.0
v0.10.2
v0.9.0
v0.8.0
v0.7.0
v0.6.0
v0.5.1
v0.4.1
v0.3.0
v0.2.4
EN
JA
KO
PT
ZH
入门
🧨 Diffusers
快速入门
有效且高效的扩散
安装
教程
概述
理解管道、模型和调度器
AutoPipeline
训练扩散模型
加载 LoRAs 进行推理
加速文本到图像扩散模型的推理
使用大型模型
加载管道和适配器
加载管道
加载社区管道和组件
加载调度器和模型
模型文件和布局
加载适配器
将文件推送到 Hub
生成任务
无条件图像生成
文本到图像
图像到图像
修复
文本或图像到视频
深度到图像
推理技术
概述
使用多个 GPU 进行分布式推理
合并 LoRAs
调度器功能
管道回调
可重复的管道
控制图像质量
提示技术
高级推理
外推
特定管道示例
Stable Diffusion XL
SDXL Turbo
Kandinsky
IP-Adapter
PAG
ControlNet
T2I-Adapter
潜在一致性模型
文本反转
Shap-E
DiffEdit
轨迹一致性蒸馏-LoRA
Stable Video Diffusion
Marigold 计算机视觉
训练
概述
创建用于训练的数据集
将模型适应新任务
模型
方法
加速推理并减少内存
加速推理
减少内存使用
PyTorch 2.0
xFormers
令牌合并
DeepCache
TGATE
优化后的模型格式
JAX/Flax
ONNX
OpenVINO
Core ML
优化硬件
Metal Performance Shaders (MPS)
Habana Gaudi
概念指南
哲学
受控生成
如何贡献?
Diffusers 的道德准则
评估扩散模型
社区项目
使用 Diffusers 构建的项目
API
主要类
加载器
模型
管道
调度器
内部类
加入 Hugging Face 社区
并获得增强型文档体验
协作模型、数据集和空间
使用加速推理加速示例
在文档主题之间切换
注册
开始
概述
推理管道支持并启用各种技术,这些技术分为两类
管道功能:这些技术修改管道或将其扩展到其他应用程序。例如,管道回调为管道添加新功能,管道还可以扩展到分布式推理。
提高推理质量:这些技术提高生成图像的视觉质量。例如,您可以使用 GPT2 增强提示以更轻松地创建更好的图像。
<
>
更新
在 GitHub 上
←
深度到图像
使用多个 GPU 进行分布式推理
→
概述