将文件推送到 Hub

译者：片刻小哥哥

项目地址：https://huggingface.apachecn.org/docs/diffusers/using-diffusers/push_to_hub

原始地址：https://huggingface.co/docs/diffusers/using-diffusers/push_to_hub

🤗 扩散器提供了 PushToHubMixin 用于将模型、调度程序或管道上传到集线器。这是在 Hub 上存储文件的简单方法，还允许您与其他人共享您的工作。在引擎盖下， PushToHubMixin :

1.在Hub上创建一个存储库 2. 保存模型、调度程序或管道文件，以便稍后重新加载 3. 将包含这些文件的文件夹上传到集线器

本指南将向您展示如何使用 PushToHubMixin 将您的文件上传到集线器。

您需要使用您的访问权限登录您的 Hub 帐户 令牌 第一的：

from huggingface_hub import notebook_login

notebook_login()

楷模

要将模型推送到 Hub，请调用 push_to_hub() 并指定要存储在 Hub 上的模型的存储库 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")

对于模型，您还可以指定 [变体]（加载#checkpoint-variants） 推到轮毂的重量。例如，要推 fp16 重量：

controlnet.push_to_hub("my-controlnet-model", variant="fp16")

这 push_to_hub() 函数保存模型的 config.json 文件和权重自动保存在 安全张量 格式。

现在您可以从 Hub 上的存储库重新加载模型：

model = ControlNetModel.from_pretrained("your-namespace/my-controlnet-model")

调度程序

要将调度程序推送到集线器，请调用 push_to_hub() 并指定要存储在集线器上的调度程序的存储库 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")

这 push_to_hub() 函数保存调度程序的 scheduler_config.json 文件到指定的存储库。

现在您可以从 Hub 上的存储库重新加载调度程序：

scheduler = DDIMScheduler.from_pretrained("your-namepsace/my-controlnet-scheduler")

管道

您还可以将整个管道及其所有组件推送到集线器。例如，初始化a的组件 StableDiffusionPipeline 与你想要的参数：

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")

将所有组件传递给 StableDiffusionPipeline 并打电话 push_to_hub() 将管道推送到 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")

这 push_to_hub() 函数将每个组件保存到存储库中的子文件夹中。现在您可以从 Hub 上的存储库重新加载管道：

pipeline = StableDiffusionPipeline.from_pretrained("your-namespace/my-pipeline")

隐私

放 私人=真 在里面 push_to_hub() 保持模型、调度程序或管道文件私有的函数：

controlnet.push_to_hub("my-controlnet-model-private", private=True)

私有存储库仅对您可见，其他用户将无法克隆该存储库，并且您的存储库不会出现在搜索结果中。即使用户拥有您的私有存储库的 URL，他们也会收到 “404 - 抱歉，我们找不到您要查找的页面。”

要从私有或门控存储库加载模型、调度程序或管道，请设置 use_auth_token=True :

model = ControlNetModel.from_pretrained("your-namespace/my-controlnet-model-private", use_auth_token=True)

---

我们一直在努力

apachecn/AiLearning

---