【Diffusers教程】二、Diffusers 的 pipeline，利用同一个模型完成不同模态任务

二、Diffusers 的 pipeline

如果对库和扩散模型不熟悉，可能很难知道要使用哪个管道来完成任务。例如，如果使用**runwayml/stable-diffusion-v1-5检查点进行文本到图像，也可以通过使用以下命令加载检查点来将其用于图像到图像和修复：分别是StableDiffusionImg2ImgPipeline和StableDiffusionInpaintPipeline**类。

AutoPipeline

在引擎盖下，AutoPipelineForText2Image：

1. 自动从文件"stable-diffusion"**[model_index.json](https://huggingface.co/runwayml/stable-diffusion-v1-5/blob/main/model_index.json)**中检测类
2. 根据类名加载对应的文本转图像的**StableDiffusionPipeline**"stable-diffusion"

同样，对于图像到图像，AutoPipelineForImage2Image"stable-diffusion"会从文件中检测到检查点model_index.json，并会在幕后加载相应的**StableDiffusionImg2ImgPipeline 。**您还可以传递特定于管道类的任何其他参数，例如strength，它确定添加到输入图像的噪声或变化量：

from diffusers import AutoPipelineForImage2Image
import torch
import requests
from PIL import Image
from io import BytesIO

pipeline = AutoPipelineForImage2Image.from_pretrained(
    "runwayml/stable-diffusion-v1-5",
    torch_dtype=torch