来自 DiffusionPipeline

如果您熟悉 DiffusionPipeline，并且是第一次使用 ModularPipeline，那么有一些地方的工作方式有所不同。以下列出了这些差异，以便您在开始 快速入门 之前心中有数。

• 加载是惰性的且灵活的。 from_pretrained() 根据仓库中的 modular_model_index.json 构建 pipeline，而不会加载任何权重。随后，load_components() 负责加载这些组件，且无需一次性全部加载：默认情况下它会加载所有组件，但你可以通过 names 仅加载指定的组件，或通过 workflow 加载某个工作流所需的组件集合。update_components() 允许你复用已有的组件，或使用与仓库规范不同的组件。请参阅 加载组件 和 更新组件。
• ModularPipeline 读取的是另一个索引文件 modular_model_index.json，但只要模型具有模块化流水线，它同样适用于仅包含 model_index.json 的仓库。反之则不成立：DiffusionPipeline 和 AutoPipeline 类无法处理仅包含 modular_model_index.json 的仓库。
• 调用会返回 pipeline 状态，其中也包含中间值（prompt_embeds、latents 等）。使用 output 参数指定所需内容，例如 output="images" 或 output=["images", "latents"]，或者像 快速入门 中那样读取状态的属性。参见 States。
• guider 组件支持 Classifier-free guidance，而非 guidance_scale 调用参数：pipe.update_components(guider=ClassifierFreeGuidance(guidance_scale=5.0))。请参阅 guiders 指南。
• 没有 callback_on_step_end；不过，你可以在去噪循环中插入一个代码块，以使用现有的回调函数。请参阅回调指南中的 模块化流水线。
• 该流水线是一个由块组成的图，您可以在使用 init_pipeline() 构建之前对其进行修改（弹出、插入、替换）；pipe.blocks 返回的是副本，因此请先编辑块。参见 组合新的工作流。
• 卸载由 ComponentsManager 处理，它可以为共享组件的多个流水线提供服务。请参阅 ComponentsManager 指南。

Update on GitHub