diffusers/pr_12249/ko/_app/immutable/nodes/45.021aeb33.js

import{s as pl,n as al,o as fl}from"../chunks/scheduler.23542ac5.js";import{S as ml,i as ol,e as p,s as i,c as m,h as rl,a,d as l,b as n,f as nl,g as o,j as f,k as $,l as cl,m as s,n as r,t as c,o as u,p as M}from"../chunks/index.9b1f405b.js";import{C as ul,H as we,E as Ml}from"../chunks/MermaidChart.svelte_svelte_type_style_lang.a6a9b8fe.js";import{C as y}from"../chunks/CodeBlock.f3651276.js";function yl(vt){let d,he,Je,Ue,v,$e,C,ve,Z,Ct='Stable Diffusion 모델들은 학습 및 저장된 프레임워크와 다운로드 위치에 따라 다양한 형식으로 제공됩니다. 이러한 형식을 🤗 Diffusers에서 사용할 수 있도록 변환하면 추론을 위한 <a href="schedulers">다양한 스케줄러 사용</a>, 사용자 지정 파이프라인 구축, 추론 속도 최적화를 위한 다양한 기법과 방법 등 라이브러리에서 지원하는 모든 기능을 사용할 수 있습니다.',Ce,T,Zt="<p>우리는 <code>.safetensors</code> 형식을 추천합니다. 왜냐하면 기존의 pickled 파일은 취약하고 머신에서 코드를 실행할 때 악용될 수 있는 것에 비해 훨씬 더 안전합니다. (safetensors 불러오기 가이드에서 자세히 알아보세요.)</p>",Ze,g,gt="이 가이드에서는 다른 Stable Diffusion 형식을 🤗 Diffusers와 호환되도록 변환하는 방법을 설명합니다.",ge,j,je,k,jt="체크포인트 또는 <code>.ckpt</code> 형식은 일반적으로 모델을 저장하는 데 사용됩니다. <code>.ckpt</code> 파일은 전체 모델을 포함하며 일반적으로 크기가 몇 GB입니다. <code>.ckpt</code> 파일을 [~StableDiffusionPipeline.from_ckpt] 메서드를 사용하여 직접 불러와서 사용할 수도 있지만, 일반적으로 두 가지 형식을 모두 사용할 수 있도록 <code>.ckpt</code> 파일을 🤗 Diffusers로 변환하는 것이 더 좋습니다.",ke,G,kt="<code>.ckpt</code> 파일을 변환하는 두 가지 옵션이 있습니다. Space를 사용하여 체크포인트를 변환하거나 스크립트를 사용하여 <code>.ckpt</code> 파일을 변환합니다.",Ge,_,_e,x,Gt="<code>.ckpt</code> 파일을 변환하는 가장 쉽고 편리한 방법은 SD에서 Diffusers로 스페이스를 사용하는 것입니다. Space의 지침에 따라 .ckpt 파일을 변환 할 수 있습니다.",xe,H,_t=`이 접근 방식은 기본 모델에서는 잘 작동하지만 더 많은 사용자 정의 모델에서는 어려움을 겪을 수 있습니다. 빈 pull request나 오류를 반환하면 Space가 실패한 것입니다.
이 경우 스크립트를 사용하여 <code>.ckpt</code> 파일을 변환해 볼 수 있습니다.`,He,W,We,B,xt="🤗 Diffusers는 <code>.ckpt</code>  파일 변환을 위한 변환 스크립트를 제공합니다. 이 접근 방식은 위의 Space보다 더 안정적입니다.",Be,I,Ht="시작하기 전에 스크립트를 실행할 🤗 Diffusers의 로컬 클론(clone)이 있는지 확인하고 Hugging Face 계정에 로그인하여 pull request를 열고 변환된 모델을 허브에 푸시할 수 있도록 하세요.",Ie,L,Le,V,Wt="스크립트를 사용하려면:",Ve,R,Bt="<li>변환하려는 <code>.ckpt</code>  파일이 포함된 리포지토리를 Git으로 클론(clone)합니다.</li>",Re,X,It="이 예제에서는 TemporalNet .ckpt 파일을 변환해 보겠습니다:",Xe,Y,Ye,w,Lt="<li>체크포인트를 변환할 리포지토리에서 pull request를 엽니다:</li>",Se,S,Ne,J,Vt="<li>변환 스크립트에서 구성할 입력 인수는 여러 가지가 있지만 가장 중요한 인수는 다음과 같습니다:</li>",ze,N,Rt="<li><code>checkpoint_path</code>: 변환할 <code>.ckpt</code> 파일의 경로를 입력합니다.</li> <li><code>original_config_file</code>: 원래 아키텍처의 구성을 정의하는 YAML 파일입니다. 이 파일을 찾을 수 없는 경우 <code>.ckpt</code> 파일을 찾은 GitHub 리포지토리에서 YAML 파일을 검색해 보세요.</li> <li><code>dump_path</code>: 변환된 모델의 경로</li>",Qe,z,Xt="예를 들어, TemporalNet 모델은 Stable Diffusion v1.5 및 ControlNet 모델이기 때문에 ControlNet 리포지토리에서 cldm_v15.yaml 파일을 가져올 수 있습니다.",Ee,b,Yt="<li>이제 스크립트를 실행하여 .ckpt 파일을 변환할 수 있습니다:</li>",De,Q,Pe,h,St='<li>변환이 완료되면 변환된 모델을 업로드하고 결과물을 pull request <a href="https://huggingface.co/CiaraRowles/TemporalNet/discussions/13" rel="nofollow">pull request</a>를 테스트하세요!</li>',Fe,E,Ae,D,qe,P,Nt="🧪 이 기능은 실험적인 기능입니다. 현재로서는 Stable Diffusion v1 체크포인트만 변환 KerasCV Space에서 지원됩니다.",Ke,F,zt='<a href="https://keras.io/keras_cv/" rel="nofollow">KerasCV</a>는 <a href="https://github.com/keras-team/keras-cv/blob/master/keras_cv/models/stable_diffusion" rel="nofollow">Stable Diffusion</a>  v1 및 v2에 대한 학습을 지원합니다. 그러나 추론 및 배포를 위한 Stable Diffusion 모델 실험을 제한적으로 지원하는 반면, 🤗 Diffusers는 다양한 <a href="https://huggingface.co/docs/diffusers/using-diffusers/schedulers" rel="nofollow">noise schedulers</a>, <a href="https://huggingface.co/docs/diffusers/optimization/xformers" rel="nofollow">flash attention</a>, and <a href="https://huggingface.co/docs/diffusers/optimization/fp16" rel="nofollow">other optimization techniques</a> 등 이러한 목적을 위한 보다 완벽한 기능을 갖추고 있습니다.',Oe,A,Qt='<a href="https://huggingface.co/spaces/sayakpaul/convert-kerascv-sd-diffusers" rel="nofollow">Convert KerasCV</a> Space 변환은 <code>.pb</code> 또는 <code>.h5</code>을 PyTorch로 변환한 다음, 추론할 수 있도록 <code>StableDiffusionPipeline</code> 으로 감싸서 준비합니다. 변환된 체크포인트는 Hugging Face Hub의 리포지토리에 저장됩니다.',et,q,Et="예제로, textual-inversion으로 학습된 <code>[sayakpaul/textual-inversion-kerasio](https://huggingface.co/sayakpaul/textual-inversion-kerasio/tree/main)</code> 체크포인트를 변환해 보겠습니다. 이것은 특수 토큰  <code>&lt;my-funny-cat&gt;</code>을 사용하여 고양이로 이미지를 개인화합니다.",tt,K,Dt="KerasCV Space 변환에서는 다음을 입력할 수 있습니다:",lt,O,Pt="<li>Hugging Face 토큰.</li> <li>UNet 과 텍스트 인코더(text encoder) 가중치를 다운로드하는 경로입니다. 모델을 어떻게 학습할지 방식에 따라, UNet과 텍스트 인코더의 경로를 모두 제공할 필요는 없습니다. 예를 들어, textual-inversion에는 텍스트 인코더의 임베딩만 필요하고 텍스트-이미지(text-to-image) 모델 변환에는 UNet 가중치만 필요합니다.</li> <li>Placeholder 토큰은 textual-inversion 모델에만 적용됩니다.</li> <li><code>output_repo_prefix</code>는 변환된 모델이 저장되는 리포지토리의 이름입니다.</li>",st,ee,Ft="<strong>Submit</strong> (제출) 버튼을 클릭하면 KerasCV 체크포인트가 자동으로 변환됩니다! 체크포인트가 성공적으로 변환되면, 변환된 체크포인트가 포함된 새 리포지토리로 연결되는 링크가 표시됩니다. 새 리포지토리로 연결되는 링크를 따라가면 변환된 모델을 사용해 볼 수 있는 추론 위젯이 포함된 모델 카드가 생성된 KerasCV Space 변환을 확인할 수 있습니다.",it,te,At="코드를 사용하여 추론을 실행하려면 모델 카드의 오른쪽 상단 모서리에 있는 <strong>Use in Diffusers</strong>  버튼을 클릭하여 예시 코드를 복사하여 붙여넣습니다:",nt,le,pt,se,qt="그러면 다음과 같은 이미지를 생성할 수 있습니다:",at,ie,ft,ne,mt,pe,Kt='<a href="https://github.com/AUTOMATIC1111/stable-diffusion-webui" rel="nofollow">Automatic1111</a> (A1111)은 Stable Diffusion을 위해 널리 사용되는 웹 UI로, <a href="https://civitai.com/" rel="nofollow">Civitai</a> 와 같은 모델 공유 플랫폼을 지원합니다. 특히 LoRA 기법으로 학습된 모델은 학습 속도가 빠르고 완전히 파인튜닝된 모델보다 파일 크기가 훨씬 작기 때문에 인기가 높습니다.',ot,ae,Ot="🤗 Diffusers는 <code>load_lora_weights()</code>:를 사용하여 A1111 LoRA 체크포인트 불러오기를 지원합니다:",rt,fe,ct,me,el='Civitai에서 LoRA 체크포인트를 다운로드하세요; 이 예제에서는  <a href="https://civitai.com/models/14605?modelVersionId=19998" rel="nofollow">Howls Moving Castle,Interior/Scenery LoRA (Ghibli Stlye)</a> 체크포인트를 사용했지만, 어떤 LoRA 체크포인트든 자유롭게 사용해 보세요!',ut,oe,Mt,re,tl="메서드를 사용하여 파이프라인에 LoRA 체크포인트를 불러옵니다:",yt,ce,dt,ue,ll="이제 파이프라인을 사용하여 이미지를 생성할 수 있습니다:",Tt,Me,wt,ye,sl="마지막으로, 디스플레이에 이미지를 표시하는 헬퍼 함수를 만듭니다:",Jt,de,bt,U,il='<img src="https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/diffusers/a1111-lora-sf.png"/>',ht,Te,Ut,be,$t;return v=new ul({props:{containerStyle:"float: right; margin-left: 10px; display: inline-flex; position: relative; z-index: 10;"}}),C=new we({props:{title:"다양한 Stable Diffusion 포맷 불러오기",local:"다양한-stable-diffusion-포맷-불러오기",headingTag:"h1"}}),j=new we({props:{title:"PyTorch .ckpt",local:"pytorch-ckpt",headingTag:"h2"}}),_=new we({props:{title:"Space로 변환하기",local:"space로-변환하기",headingTag:"h3"}}),W=new we({props:{title:"스크립트로 변환하기",local:"스크립트로-변환하기",headingTag:"h3"}}),L=new y({props:{code:"aGYlMjBhdXRoJTIwbG9naW4=",highlighted:"hf auth login",wrap:!1}}),Y=new y({props:{code:"Z2l0JTIwbGZzJTIwaW5zdGFsbCUwQWdpdCUyMGNsb25lJTIwaHR0cHMlM0ElMkYlMkZodWdnaW5nZmFjZS5jbyUyRkNpYXJhUm93bGVzJTJGVGVtcG9yYWxOZXQ=",highlighted:`git lfs install
git <span class="hljs-built_in">clone</span> https://huggingface.co/CiaraRowles/TemporalNet`,wrap:!1}}),S=new y({props:{code:"Y2QlMjBUZW1wb3JhbE5ldCUyMCUyNiUyNiUyMGdpdCUyMGZldGNoJTIwb3JpZ2luJTIwcmVmcyUyRnByJTJGMTMlM0FwciUyRjEzJTBBZ2l0JTIwY2hlY2tvdXQlMjBwciUyRjEz",highlighted:`<span class="hljs-built_in">cd</span> TemporalNet &amp;&amp; git fetch origin refs/pr/13:<span class="hljs-built_in">pr</span>/13
git checkout <span class="hljs-built_in">pr</span>/13`,wrap:!1}}),Q=new y({props:{code:"cHl0aG9uJTIwLi4lMkZkaWZmdXNlcnMlMkZzY3JpcHRzJTJGY29udmVydF9vcmlnaW5hbF9zdGFibGVfZGlmZnVzaW9uX3RvX2RpZmZ1c2Vycy5weSUyMC0tY2hlY2twb2ludF9wYXRoJTIwdGVtcG9yYWxuZXR2My5ja3B0JTIwLS1vcmlnaW5hbF9jb25maWdfZmlsZSUyMGNsZG1fdjE1LnlhbWwlMjAtLWR1bXBfcGF0aCUyMC4lMkYlMjAtLWNvbnRyb2xuZXQ=",highlighted:"python ../diffusers/scripts/convert_original_stable_diffusion_to_diffusers.py --checkpoint_path temporalnetv3.ckpt --original_config_file cldm_v15.yaml --dump_path ./ --controlnet",wrap:!1}}),E=new y({props:{code:"Z2l0JTIwcHVzaCUyMG9yaWdpbiUyMHByJTJGMTMlM0FyZWZzJTJGcHIlMkYxMw==",highlighted:'git push origin <span class="hljs-built_in">pr</span>/13:refs/pr/13',wrap:!1}}),D=new we({props:{title:"Keras .pb or .h5",local:"keras-pb-or-h5",headingTag:"h2"}}),le=new y({props:{code:"ZnJvbSUyMGRpZmZ1c2VycyUyMGltcG9ydCUyMERpZmZ1c2lvblBpcGVsaW5lJTBBJTBBcGlwZWxpbmUlMjAlM0QlMjBEaWZmdXNpb25QaXBlbGluZS5mcm9tX3ByZXRyYWluZWQoJTIyc2F5YWtwYXVsJTJGdGV4dHVhbC1pbnZlcnNpb24tY2F0LWtlcmFzY3Zfc2RfZGlmZnVzZXJzX3BpcGVsaW5lJTIyKQ==",highlighted:`<span class="hljs-keyword">from</span> diffusers <span class="hljs-keyword">import</span> DiffusionPipeline

pipeline = DiffusionPipeline.from_pretrained(<span class="hljs-string">&quot;sayakpaul/textual-inversion-cat-kerascv_sd_diffusers_pipeline&quot;</span>)`,wrap:!1}}),ie=new y({props:{code:"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",highlighted:`<span class="hljs-keyword">from</span> diffusers <span class="hljs-keyword">import</span> DiffusionPipeline

pipeline = DiffusionPipeline.from_pretrained(<span class="hljs-string">&quot;sayakpaul/textual-inversion-cat-kerascv_sd_diffusers_pipeline&quot;</span>)
pipeline.to(<span class="hljs-string">&quot;cuda&quot;</span>)

placeholder_token = <span class="hljs-string">&quot;&lt;my-funny-cat-token&gt;&quot;</span>
prompt = <span class="hljs-string">f&quot;two <span class="hljs-subst">{placeholder_token}</span> getting married, photorealistic, high quality&quot;</span>
image = pipeline(prompt, num_inference_steps=<span class="hljs-number">50</span>).images[<span class="hljs-number">0</span>]`,wrap:!1}}),ne=new we({props:{title:"A1111 LoRA files",local:"a1111-lora-files",headingTag:"h2"}}),fe=new y({props:{code:"ZnJvbSUyMGRpZmZ1c2VycyUyMGltcG9ydCUyMERpZmZ1c2lvblBpcGVsaW5lJTJDJTIwVW5pUENNdWx0aXN0ZXBTY2hlZHVsZXIlMEFpbXBvcnQlMjB0b3JjaCUwQSUwQXBpcGVsaW5lJTIwJTNEJTIwRGlmZnVzaW9uUGlwZWxpbmUuZnJvbV9wcmV0cmFpbmVkKCUwQSUyMCUyMCUyMCUyMCUyMmFuZGl0ZSUyRmFueXRoaW5nLXY0LjAlMjIlMkMlMjB0b3JjaF9kdHlwZSUzRHRvcmNoLmZsb2F0MTYlMkMlMjBzYWZldHlfY2hlY2tlciUzRE5vbmUlMEEpLnRvKCUyMmN1ZGElMjIpJTBBcGlwZWxpbmUuc2NoZWR1bGVyJTIwJTNEJTIwVW5pUENNdWx0aXN0ZXBTY2hlZHVsZXIuZnJvbV9jb25maWcocGlwZWxpbmUuc2NoZWR1bGVyLmNvbmZpZyk=",highlighted:`<span class="hljs-keyword">from</span> diffusers <span class="hljs-keyword">import</span> DiffusionPipeline, UniPCMultistepScheduler
<span class="hljs-keyword">import</span> torch

pipeline = DiffusionPipeline.from_pretrained(
    <span class="hljs-string">&quot;andite/anything-v4.0&quot;</span>, torch_dtype=torch.float16, safety_checker=<span class="hljs-literal">None</span>
).to(<span class="hljs-string">&quot;cuda&quot;</span>)
pipeline.scheduler = UniPCMultistepScheduler.from_config(pipeline.scheduler.config)`,wrap:!1}}),oe=new y({props:{code:"IXdnZXQlMjBodHRwcyUzQSUyRiUyRmNpdml0YWkuY29tJTJGYXBpJTJGZG93bmxvYWQlMkZtb2RlbHMlMkYxOTk5OCUyMC1PJTIwaG93bHNfbW92aW5nX2Nhc3RsZS5zYWZldGVuc29ycw==",highlighted:"!wget https://civitai.com/api/download/models/19998 -O howls_moving_castle.safetensors",wrap:!1}}),ce=new y({props:{code:"cGlwZWxpbmUubG9hZF9sb3JhX3dlaWdodHMoJTIyLiUyMiUyQyUyMHdlaWdodF9uYW1lJTNEJTIyaG93bHNfbW92aW5nX2Nhc3RsZS5zYWZldGVuc29ycyUyMik=",highlighted:'pipeline.load_lora_weights(<span class="hljs-string">&quot;.&quot;</span>, weight_name=<span class="hljs-string">&quot;howls_moving_castle.safetensors&quot;</span>)',wrap:!1}}),Me=new y({props:{code:"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",highlighted:`prompt = <span class="hljs-string">&quot;masterpiece, illustration, ultra-detailed, cityscape, san francisco, golden gate bridge, california, bay area, in the snow, beautiful detailed starry sky&quot;</span>
negative_prompt = <span class="hljs-string">&quot;lowres, cropped, worst quality, low quality, normal quality, artifacts, signature, watermark, username, blurry, more than one bridge, bad architecture&quot;</span>

images = pipeline(
    prompt=prompt,
    negative_prompt=negative_prompt,
    width=<span class="hljs-number">512</span>,
    height=<span class="hljs-number">512</span>,
    num_inference_steps=<span class="hljs-number">25</span>,
    num_images_per_prompt=<span class="hljs-number">4</span>,
    generator=torch.manual_seed(<span class="hljs-number">0</span>),
).images`,wrap:!1}}),de=new y({props:{code:"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",highlighted:`<span class="hljs-keyword">from</span> PIL <span class="hljs-keyword">import</span> Image


<span class="hljs-keyword">def</span> <span class="hljs-title function_">image_grid</span>(<span class="hljs-params">imgs, rows=<span class="hljs-number">2</span>, cols=<span class="hljs-number">2</span></span>):
    w, h = imgs[<span class="hljs-number">0</span>].size
    grid = Image.new(<span class="hljs-string">&quot;RGB&quot;</span>, size=(cols * w, rows * h))

    <span class="hljs-keyword">for</span> i, img <span class="hljs-keyword">in</span> <span class="hljs-built_in">enumerate</span>(imgs):
        grid.paste(img, box=(i % cols * w, i // cols * h))
    <span class="hljs-keyword">return</span> grid


image_grid(images)`,wrap:!1}}),Te=new Ml({props:{source:"https://github.com/huggingface/diffusers/blob/main/docs/source/ko/using-diffusers/other-formats.md"}}),{c(){d=p("meta"),he=i(),Je=p("p"),Ue=i(),m(v.$$.fragment),$e=i(),m(C.$$.fragment),ve=i(),Z=p("p"),Z.innerHTML=Ct,Ce=i(),T=p("blockquote"),T.innerHTML=Zt,Ze=i(),g=p("p"),g.textContent=gt,ge=i(),m(j.$$.fragment),je=i(),k=p("p"),k.innerHTML=jt,ke=i(),G=p("p"),G.innerHTML=kt,Ge=i(),m(_.$$.fragment),_e=i(),x=p("p"),x.innerHTML=Gt,xe=i(),H=p("p"),H.innerHTML=_t,He=i(),m(W.$$.fragment),We=i(),B=p("p"),B.innerHTML=xt,Be=i(),I=p("p"),I.textContent=Ht,Ie=i(),m(L.$$.fragment),Le=i(),V=p("p"),V.textContent=Wt,Ve=i(),R=p("ol"),R.innerHTML=Bt,Re=i(),X=p("p"),X.textContent=It,Xe=i(),m(Y.$$.fragment),Ye=i(),w=p("ol"),w.innerHTML=Lt,Se=i(),m(S.$$.fragment),Ne=i(),J=p("ol"),J.innerHTML=Vt,ze=i(),N=p("ul"),N.innerHTML=Rt,Qe=i(),z=p("p"),z.textContent=Xt,Ee=i(),b=p("ol"),b.innerHTML=Yt,De=i(),m(Q.$$.fragment),Pe=i(),h=p("ol"),h.innerHTML=St,Fe=i(),m(E.$$.fragment),Ae=i(),m(D.$$.fragment),qe=i(),P=p("p"),P.textContent=Nt,Ke=i(),F=p("p"),F.innerHTML=zt,Oe=i(),A=p("p"),A.innerHTML=Qt,et=i(),q=p("p"),q.innerHTML=Et,tt=i(),K=p("p"),K.textContent=Dt,lt=i(),O=p("ul"),O.innerHTML=Pt,st=i(),ee=p("p"),ee.innerHTML=Ft,it=i(),te=p("p"),te.innerHTML=At,nt=i(),m(le.$$.fragment),pt=i(),se=p("p"),se.textContent=qt,at=i(),m(ie.$$.fragment),ft=i(),m(ne.$$.fragment),mt=i(),pe=p("p"),pe.innerHTML=Kt,ot=i(),ae=p("p"),ae.innerHTML=Ot,rt=i(),m(fe.$$.fragment),ct=i(),me=p("p"),me.innerHTML=el,ut=i(),m(oe.$$.fragment),Mt=i(),re=p("p"),re.textContent=tl,yt=i(),m(ce.$$.fragment),dt=i(),ue=p("p"),ue.textContent=ll,Tt=i(),m(Me.$$.fragment),wt=i(),ye=p("p"),ye.textContent=sl,Jt=i(),m(de.$$.fragment),bt=i(),U=p("div"),U.innerHTML=il,ht=i(),m(Te.$$.fragment),Ut=i(),be=p("p"),this.h()},l(e){const t=rl("svelte-u9bgzb",document.head);d=a(t,"META",{name:!0,content:!0}),t.forEach(l),he=n(e),Je=a(e,"P",{}),nl(Je).forEach(l),Ue=n(e),o(v.$$.fragment,e),$e=n(e),o(C.$$.fragment,e),ve=n(e),Z=a(e,"P",{"data-svelte-h":!0}),f(Z)!=="svelte-ny0ia9"&&(Z.innerHTML=Ct),Ce=n(e),T=a(e,"BLOCKQUOTE",{class:!0,"data-svelte-h":!0}),f(T)!=="svelte-17lhmp0"&&(T.innerHTML=Zt),Ze=n(e),g=a(e,"P",{"data-svelte-h":!0}),f(g)!=="svelte-dag7j3"&&(g.textContent=gt),ge=n(e),o(j.$$.fragment,e),je=n(e),k=a(e,"P",{"data-svelte-h":!0}),f(k)!=="svelte-g2l8hd"&&(k.innerHTML=jt),ke=n(e),G=a(e,"P",{"data-svelte-h":!0}),f(G)!=="svelte-1mth1jm"&&(G.innerHTML=kt),Ge=n(e),o(_.$$.fragment,e),_e=n(e),x=a(e,"P",{"data-svelte-h":!0}),f(x)!=="svelte-11lmd3v"&&(x.innerHTML=Gt),xe=n(e),H=a(e,"P",{"data-svelte-h":!0}),f(H)!=="svelte-ioknmf"&&(H.innerHTML=_t),He=n(e),o(W.$$.fragment,e),We=n(e),B=a(e,"P",{"data-svelte-h":!0}),f(B)!=="svelte-1a9pmvw"&&(B.innerHTML=xt),Be=n(e),I=a(e,"P",{"data-svelte-h":!0}),f(I)!=="svelte-1jje2pq"&&(I.textContent=Ht),Ie=n(e),o(L.$$.fragment,e),Le=n(e),V=a(e,"P",{"data-svelte-h":!0}),f(V)!=="svelte-1xvfh9k"&&(V.textContent=Wt),Ve=n(e),R=a(e,"OL",{"data-svelte-h":!0}),f(R)!=="svelte-q4ge8f"&&(R.innerHTML=Bt),Re=n(e),X=a(e,"P",{"data-svelte-h":!0}),f(X)!=="svelte-1w43dgc"&&(X.textContent=It),Xe=n(e),o(Y.$$.fragment,e),Ye=n(e),w=a(e,"OL",{start:!0,"data-svelte-h":!0}),f(w)!=="svelte-7pbqwx"&&(w.innerHTML=Lt),Se=n(e),o(S.$$.fragment,e),Ne=n(e),J=a(e,"OL",{start:!0,"data-svelte-h":!0}),f(J)!=="svelte-58i5b3"&&(J.innerHTML=Vt),ze=n(e),N=a(e,"UL",{"data-svelte-h":!0}),f(N)!=="svelte-hhbc53"&&(N.innerHTML=Rt),Qe=n(e),z=a(e,"P",{"data-svelte-h":!0}),f(z)!=="svelte-2ev4pr"&&(z.textContent=Xt),Ee=n(e),b=a(e,"OL",{start:!0,"data-svelte-h":!0}),f(b)!=="svelte-13q386f"&&(b.innerHTML=Yt),De=n(e),o(Q.$$.fragment,e),Pe=n(e),h=a(e,"OL",{start:!0,"data-svelte-h":!0}),f(h)!=="svelte-5zcugn"&&(h.innerHTML=St),Fe=n(e),o(E.$$.fragment,e),Ae=n(e),o(D.$$.fragment,e),qe=n(e),P=a(e,"P",{"data-svelte-h":!0}),f(P)!=="svelte-1hydgvh"&&(P.textContent=Nt),Ke=n(e),F=a(e,"P",{"data-svelte-h":!0}),f(F)!=="svelte-evyd48"&&(F.innerHTML=zt),Oe=n(e),A=a(e,"P",{"data-svelte-h":!0}),f(A)!=="svelte-xfy8ya"&&(A.innerHTML=Qt),et=n(e),q=a(e,"P",{"data-svelte-h":!0}),f(q)!=="svelte-7adj6i"&&(q.innerHTML=Et),tt=n(e),K=a(e,"P",{"data-svelte-h":!0}),f(K)!=="svelte-17vsvb0"&&(K.textContent=Dt),lt=n(e),O=a(e,"UL",{"data-svelte-h":!0}),f(O)!=="svelte-19krroh"&&(O.innerHTML=Pt),st=n(e),ee=a(e,"P",{"data-svelte-h":!0}),f(ee)!=="svelte-mbrz2o"&&(ee.innerHTML=Ft),it=n(e),te=a(e,"P",{"data-svelte-h":!0}),f(te)!=="svelte-1kvpgk3"&&(te.innerHTML=At),nt=n(e),o(le.$$.fragment,e),pt=n(e),se=a(e,"P",{"data-svelte-h":!0}),f(se)!=="svelte-1yszs66"&&(se.textContent=qt),at=n(e),o(ie.$$.fragment,e),ft=n(e),o(ne.$$.fragment,e),mt=n(e),pe=a(e,"P",{"data-svelte-h":!0}),f(pe)!=="svelte-4t1ww0"&&(pe.innerHTML=Kt),ot=n(e),ae=a(e,"P",{"data-svelte-h":!0}),f(ae)!=="svelte-gc0c8a"&&(ae.innerHTML=Ot),rt=n(e),o(fe.$$.fragment,e),ct=n(e),me=a(e,"P",{"data-svelte-h":!0}),f(me)!=="svelte-1i6hffg"&&(me.innerHTML=el),ut=n(e),o(oe.$$.fragment,e),Mt=n(e),re=a(e,"P",{"data-svelte-h":!0}),f(re)!=="svelte-8zpnm4"&&(re.textContent=tl),yt=n(e),o(ce.$$.fragment,e),dt=n(e),ue=a(e,"P",{"data-svelte-h":!0}),f(ue)!=="svelte-1dk7ho0"&&(ue.textContent=ll),Tt=n(e),o(Me.$$.fragment,e),wt=n(e),ye=a(e,"P",{"data-svelte-h":!0}),f(ye)!=="svelte-5yws26"&&(ye.textContent=sl),Jt=n(e),o(de.$$.fragment,e),bt=n(e),U=a(e,"DIV",{class:!0,"data-svelte-h":!0}),f(U)!=="svelte-1y5hkhz"&&(U.innerHTML=il),ht=n(e),o(Te.$$.fragment,e),Ut=n(e),be=a(e,"P",{}),nl(be).forEach(l),this.h()},h(){$(d,"name","hf:doc:metadata"),$(d,"content",dl),$(T,"class","tip"),$(w,"start","2"),$(J,"start","3"),$(b,"start","4"),$(h,"start","5"),$(U,"class","flex justify-center")},m(e,t){cl(document.head,d),s(e,he,t),s(e,Je,t),s(e,Ue,t),r(v,e,t),s(e,$e,t),r(C,e,t),s(e,ve,t),s(e,Z,t),s(e,Ce,t),s(e,T,t),s(e,Ze,t),s(e,g,t),s(e,ge,t),r(j,e,t),s(e,je,t),s(e,k,t),s(e,ke,t),s(e,G,t),s(e,Ge,t),r(_,e,t),s(e,_e,t),s(e,x,t),s(e,xe,t),s(e,H,t),s(e,He,t),r(W,e,t),s(e,We,t),s(e,B,t),s(e,Be,t),s(e,I,t),s(e,Ie,t),r(L,e,t),s(e,Le,t),s(e,V,t),s(e,Ve,t),s(e,R,t),s(e,Re,t),s(e,X,t),s(e,Xe,t),r(Y,e,t),s(e,Ye,t),s(e,w,t),s(e,Se,t),r(S,e,t),s(e,Ne,t),s(e,J,t),s(e,ze,t),s(e,N,t),s(e,Qe,t),s(e,z,t),s(e,Ee,t),s(e,b,t),s(e,De,t),r(Q,e,t),s(e,Pe,t),s(e,h,t),s(e,Fe,t),r(E,e,t),s(e,Ae,t),r(D,e,t),s(e,qe,t),s(e,P,t),s(e,Ke,t),s(e,F,t),s(e,Oe,t),s(e,A,t),s(e,et,t),s(e,q,t),s(e,tt,t),s(e,K,t),s(e,lt,t),s(e,O,t),s(e,st,t),s(e,ee,t),s(e,it,t),s(e,te,t),s(e,nt,t),r(le,e,t),s(e,pt,t),s(e,se,t),s(e,at,t),r(ie,e,t),s(e,ft,t),r(ne,e,t),s(e,mt,t),s(e,pe,t),s(e,ot,t),s(e,ae,t),s(e,rt,t),r(fe,e,t),s(e,ct,t),s(e,me,t),s(e,ut,t),r(oe,e,t),s(e,Mt,t),s(e,re,t),s(e,yt,t),r(ce,e,t),s(e,dt,t),s(e,ue,t),s(e,Tt,t),r(Me,e,t),s(e,wt,t),s(e,ye,t),s(e,Jt,t),r(de,e,t),s(e,bt,t),s(e,U,t),s(e,ht,t),r(Te,e,t),s(e,Ut,t),s(e,be,t),$t=!0},p:al,i(e){$t||(c(v.$$.fragment,e),c(C.$$.fragment,e),c(j.$$.fragment,e),c(_.$$.fragment,e),c(W.$$.fragment,e),c(L.$$.fragment,e),c(Y.$$.fragment,e),c(S.$$.fragment,e),c(Q.$$.fragment,e),c(E.$$.fragment,e),c(D.$$.fragment,e),c(le.$$.fragment,e),c(ie.$$.fragment,e),c(ne.$$.fragment,e),c(fe.$$.fragment,e),c(oe.$$.fragment,e),c(ce.$$.fragment,e),c(Me.$$.fragment,e),c(de.$$.fragment,e),c(Te.$$.fragment,e),$t=!0)},o(e){u(v.$$.fragment,e),u(C.$$.fragment,e),u(j.$$.fragment,e),u(_.$$.fragment,e),u(W.$$.fragment,e),u(L.$$.fragment,e),u(Y.$$.fragment,e),u(S.$$.fragment,e),u(Q.$$.fragment,e),u(E.$$.fragment,e),u(D.$$.fragment,e),u(le.$$.fragment,e),u(ie.$$.fragment,e),u(ne.$$.fragment,e),u(fe.$$.fragment,e),u(oe.$$.fragment,e),u(ce.$$.fragment,e),u(Me.$$.fragment,e),u(de.$$.fragment,e),u(Te.$$.fragment,e),$t=!1},d(e){e&&(l(he),l(Je),l(Ue),l($e),l(ve),l(Z),l(Ce),l(T),l(Ze),l(g),l(ge),l(je),l(k),l(ke),l(G),l(Ge),l(_e),l(x),l(xe),l(H),l(He),l(We),l(B),l(Be),l(I),l(Ie),l(Le),l(V),l(Ve),l(R),l(Re),l(X),l(Xe),l(Ye),l(w),l(Se),l(Ne),l(J),l(ze),l(N),l(Qe),l(z),l(Ee),l(b),l(De),l(Pe),l(h),l(Fe),l(Ae),l(qe),l(P),l(Ke),l(F),l(Oe),l(A),l(et),l(q),l(tt),l(K),l(lt),l(O),l(st),l(ee),l(it),l(te),l(nt),l(pt),l(se),l(at),l(ft),l(mt),l(pe),l(ot),l(ae),l(rt),l(ct),l(me),l(ut),l(Mt),l(re),l(yt),l(dt),l(ue),l(Tt),l(wt),l(ye),l(Jt),l(bt),l(U),l(ht),l(Ut),l(be)),l(d),M(v,e),M(C,e),M(j,e),M(_,e),M(W,e),M(L,e),M(Y,e),M(S,e),M(Q,e),M(E,e),M(D,e),M(le,e),M(ie,e),M(ne,e),M(fe,e),M(oe,e),M(ce,e),M(Me,e),M(de,e),M(Te,e)}}}const dl='{"title":"다양한 Stable Diffusion 포맷 불러오기","local":"다양한-stable-diffusion-포맷-불러오기","sections":[{"title":"PyTorch .ckpt","local":"pytorch-ckpt","sections":[{"title":"Space로 변환하기","local":"space로-변환하기","sections":[],"depth":3},{"title":"스크립트로 변환하기","local":"스크립트로-변환하기","sections":[],"depth":3}],"depth":2},{"title":"Keras .pb or .h5","local":"keras-pb-or-h5","sections":[],"depth":2},{"title":"A1111 LoRA files","local":"a1111-lora-files","sections":[],"depth":2}],"depth":1}';function Tl(vt){return fl(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class Ul extends ml{constructor(d){super(),ol(this,d,Tl,yl,pl,{})}}export{Ul as component};