1、 快速上手 [代码级手把手解析diffusers库]

diffusers是Hugging Face推出的一个diffusion库，它提供了简单方便的diffusion推理训练pipe，同时拥有一个模型和数据社区，代码可以像torchhub一样直接从指定的仓库去调用别人上传的数据集和pretrain checkpoint。除此之外，安装方便，代码结构清晰，注释齐全，二次开发会十分有效率。

diffusers使用pipeline类封装各个模块，以及安排其中的调用顺序和输出。

快速上手

以下代码调用StableDiffusionPipeline，from_pretrained是指从特定仓库加载别人预训练好的模型。其中model_id可以是本地的路径，如果本地没找到对应的文件，则会自动去Hugging Face的Community中去自动下载。

from diffusers import StableDiffusionPipeline
 
model_id = "runwayml/stable-diffusion-v1-5"
stable_diffusion_txt2img = StableDiffusionPipeline.from_pretrained(model_id)

如果我们不想用别人的模型，或者我想在模型基础上进行修改，应该怎么办呢？

这里我们可以先定义其中的模块，包括Unet、VAE、CLIP、Scheduler等，进行编辑和修改后再输入到pipe中去。如下我们自己预定义好Scheduler：

from diffusers import StableDiffusionPipeline, DDPMScheduler
 
model_id = "runwayml/stable-diffusion-v1-5"
scheduler = DDPMScheduler.from_pretrained(model_id)
stable_diffusion_txt2img = StableDiffusionPipeline.from_pretrained(model_id, scheduler=scheduler)

ok，不同的inpainting、txt2img、img2img的pipeline，以及里面不同种类的Unet、VAE、scheduler的替换和自定义我们会在以后单独介绍，现在我们先来看看代码怎么进行推理。

from diffusers import StableDiffusionPipeline
model_id = "runwayml/stable-diffusion-v1-5"
stable_diffusion_txt2img = StableDiffusionPipeline.from_pretrained(model_id)
prompt = "A boy wearing white suspenders and playing basketball"
image = stable_diffusion_txt2img (prompt).images[0]
image.save('generated_image.png')

简单来说，我们只需要把文字prompt输入进去，然后就会按照StableDiffusionPipeline中设置好的流程来进行推理。

Pipeline 内部执行步骤

我们看下StableDiffusionPipeline源码里的具体推理流程，便于更好理解SD，也便于后续进行修改和自定义。这部分建议在理解Latent Diffusion论文原理后，理解记忆！

		# 0. 定义unet中的高宽，这里要考虑经过vae后的缩小系数
        height = height or self.unet.config.sample_size * self.vae_scale_factor
        width = width or self.unet.config.sample_size * self.vae_scale_factor
 
 
        # 1. 检查输入是否合规
        self.check_inputs(
            prompt, height, width, callback_steps, negative_prompt, prompt_embeds, negative_prompt_embeds)
 
        # 2. 根据prompt个数定义调用的batch_size，device，以及是否做classifier-free guidance
        if prompt is not None and isinstance(prompt, str):
            batch_size = 1
        elif prompt is not None and isinstance(prompt, list):
            batch_size = len(prompt)
        else:
            batch_size = prompt_embeds.shape[0]

        device = self._execution_device
        do_classifier_free_guidance = guidance_scale > 1.0
 
        # 3. 将输入的文字prompt进行encoding
        text_encoder_lora_scale = (
            cross_attention_kwargs.get("scale", None) if cross_attention_kwargs is not None else None
        )
        prompt_embeds = self._encode_prompt(
            prompt,
            device,
            num_images_per_prompt,
            do_classifier_free_guidance,
            negative_prompt,
            prompt_embeds=prompt_embeds,
            negative_prompt_embeds=negative_prompt_embeds,
            lora_scale=text_encoder_lora_scale,
        )
 
        # 4. 准备scheduler中的时间步数
        self.scheduler.set_timesteps(num_inference_steps, device=device)
        timesteps = self.scheduler.timesteps
 
        # 5. 生成对应尺寸的初始噪声图latents
        num_channels_latents = self.unet.config.in_channels
        latents = self.prepare_latents(
            batch_size * num_images_per_prompt,
            num_channels_latents,
            height,
            width,
            prompt_embeds.dtype,
            device,
            generator,
            latents,
        )
 
        # 6. 额外的去噪参数(eta for DDIM)
        extra_step_kwargs = self.prepare_extra_step_kwargs(generator, eta)
 
        # 7. 循环多个步长进行去噪
        num_warmup_steps = len(timesteps) - num_inference_steps * self.scheduler.order
        with self.progress_bar(total=num_inference_steps) as progress_bar:
            for i, t in enumerate(timesteps):
                latent_model_input = torch.cat([latents] * 2) if do_classifier_free_guidance else latents
                latent_model_input = self.scheduler.scale_model_input(latent_model_input, t)
                noise_pred = self.unet(
                    latent_model_input,
                    t,
                    encoder_hidden_states=prompt_embeds,
                    cross_attention_kwargs=cross_attention_kwargs,
                    return_dict=False,
                )[0]
 
                if do_classifier_free_guidance:
                    noise_pred_uncond, noise_pred_text = noise_pred.chunk(2)
                    noise_pred = noise_pred_uncond + guidance_scale * (noise_pred_text - noise_pred_uncond)
 
                if do_classifier_free_guidance and guidance_rescale > 0.0:
                    noise_pred = rescale_noise_cfg(noise_pred, noise_pred_text, guidance_rescale=guidance_rescale)
 
                latents = self.scheduler.step(noise_pred, t, latents, **extra_step_kwargs, return_dict=False)[0]
 
                if i == len(timesteps) - 1 or ((i + 1) > num_warmup_steps and (i + 1) % self.scheduler.order == 0):
                    progress_bar.update()
                    if callback is not None and i % callback_steps == 0:
                        callback(i, t, latents)
 
        if not output_type == "latent":
            image = self.vae.decode(latents / self.vae.config.scaling_factor, return_dict=False)[0]
            image, has_nsfw_concept = self.run_safety_checker(image, device, prompt_embeds.dtype)
        else:
            image = latents
            has_nsfw_concept = None
 
        if has_nsfw_concept is None:
            do_denormalize = [True] * image.shape[0]
        else:
            do_denormalize = [not has_nsfw for has_nsfw in has_nsfw_concept]
 
        image = self.image_processor.postprocess(image, output_type=output_type, do_denormalize=do_denormalize)
 
        if hasattr(self, "final_offload_hook") and self.final_offload_hook is not None:
            self.final_offload_hook.offload()
 
        if not return_dict:
            return (image, has_nsfw_concept)
 
        return StableDiffusionPipelineOutput(images=image, nsfw_content_detected=has_nsfw_concept)

其实也能看出来是怎样一个大概的流程，如果我们后续需要改输入模块，那么直接在pipeline的对应部分重写就可以，十分方便。

后续文章会介绍每个模块的原理特点以及应用场景、如何进行训练和finetune、自定义。

后续更新计划

1、 快速上手 代码级手把手解析diffusers库]

2、 Scheduler 介绍 & 代码解析 代码级手把手解析diffusers库]

3、 DiffusionPipeline原理 & 代码解析 代码级手把手解析diffusers库]

4、解构三个重要的Pipeline(SD, ControlNet, AnimateDiff) [代码级手把手解析diffusers库]

5、 如何自定义Pipeline进行训练推理 [代码级手把手解析diffusers库]