Diffusers 中的 AutoencoderDCDC-AE深度压缩自编码器原理、模型加载与源码级解析【免费下载链接】diffusers Diffusers: State-of-the-art diffusion models for image, video, and audio generation in PyTorch.项目地址: https://gitcode.com/GitHub_Trending/di/diffusersAutoencoderDC 是 Diffusers 中实现的二维自编码器模型源自 MIT HAN Lab 提出的 Deep Compression AutoencoderDC-AE论文见 DCAE 2410.10733被 SANA 系列图像生成模型用作潜空间压缩组件。本文基于仓库内 AutoencoderDC 官方文档 展开结合 autoencoder_dc.py 源码、转换脚本 与测试用例系统讲解 DC-AE 的核心设计思想、全部已发布模型变体、两种加载方式from_pretrained与from_single_file、配置参数语义以及 tiling/slicing 等工程特性帮助你直接上手或在 SANA 类管线中集成该组件。一、背景DC-AE 解决了什么问题传统自编码器在中等空间压缩率如 8 倍下表现出色但当压缩率提升到 64 倍乃至 128 倍时重建精度会急剧下降。DC-AEDeep Compression Autoencoder为此提出两项关键技术Residual Autoencoding残差自编码基于 space-to-channel 变换后的特征学习残差缓解高空间压缩自编码器的优化困难Decoupled High-Resolution Adaptation解耦高分辨率自适应一种高效的三阶段解耦训练策略用于缓解高空间压缩自编码器的泛化惩罚。凭借这些设计DC-AE 在保持重建质量的同时将空间压缩率提升至最高 128 倍。根据论文摘要将其应用于潜在扩散模型Latent Diffusion Models后可获得显著加速在 ImageNet 512×512 上使用 H100 GPU 训练 UViT-H 时相比常用的 SD-VAE-f8推理提速 19.1 倍、训练提速 17.9 倍且 FID 指标更优。在 Diffusers 中AutoencoderDC类即该模型的官方实现由 lawrence-cj 贡献并与 SANA 系列管线pipeline_sana.py、pipeline_sana_sprint.py、pipeline_sana_controlnet.py、pipeline_pag_sana.py等深度集成。二、已发布的 DCAE 模型清单官方文档列出了 Diffusers 格式与原始格式一一对应的 7 个模型仓库覆盖 f32c32 / f64c128 / f128c512 三种压缩-通道配置以及-sana-SANA 专用、-in-ImageNet 训练、-mix-混合数据训练三种变体Diffusers 格式原始格式空间压缩率latent 通道数mit-han-lab/dc-ae-f32c32-sana-1.0-diffusersmit-han-lab/dc-ae-f32c32-sana-1.03232mit-han-lab/dc-ae-f32c32-in-1.0-diffusersmit-han-lab/dc-ae-f32c32-in-1.03232mit-han-lab/dc-ae-f32c32-mix-1.0-diffusersmit-han-lab/dc-ae-f32c32-mix-1.03232mit-han-lab/dc-ae-f64c128-in-1.0-diffusersmit-han-lab/dc-ae-f64c128-in-1.064128mit-han-lab/dc-ae-f64c128-mix-1.0-diffusersmit-han-lab/dc-ae-f64c128-mix-1.064128mit-han-lab/dc-ae-f128c512-in-1.0-diffusersmit-han-lab/dc-ae-f128c512-in-1.0128512mit-han-lab/dc-ae-f128c512-mix-1.0-diffusersmit-han-lab/dc-ae-f128c512-mix-1.0128512命名中的f32c32含义为空间压缩因子factor32、通道数channel32。in与mix变体的区别在于训练数据与scaling_factor不同详见下文配置参数小节。三、模型加载from_pretrained 与 from_single_file3.1 标准方式from_pretrainedAutoencoderDC继承自ModelMixin因此支持通用的from_pretrained加载接口。文档给出的示例为from diffusers import AutoencoderDC ae AutoencoderDC.from_pretrained(mit-han-lab/dc-ae-f32c32-sana-1.0-diffusers, dtypetorch.float32).to(cuda) # or mps, xpu, cpu加载时按需选择设备cuda/mps/xpu/cpu。除dtype外还可以结合variant如fp16、bf16加载对应精度的权重分片。3.2 单文件加载from_single_file对于只有一个model.safetensors权重文件的原始 checkpoint可以使用from_single_filefrom diffusers import AutoencoderDC ckpt_path https://huggingface.co/mit-han-lab/dc-ae-f32c32-sana-1.0/blob/main/model.safetensors model AutoencoderDC.from_single_file(ckpt_path)重要注意事项in/mix 变体的配置歧义AutoencoderDC的in与mix单文件 checkpoint 拥有完全一致的权重键名区别仅在于scaling_factor等配置值不同。Diffusers 无法仅凭 checkpoint 自动推断应该使用哪套配置因此默认按mix变体的配置文件来实例化模型。若你加载的是in变体 checkpoint必须显式传入config参数覆盖默认配置from diffusers import AutoencoderDC ckpt_path https://huggingface.co/mit-han-lab/dc-ae-f128c512-in-1.0/blob/main/model.safetensors model AutoencoderDC.from_single_file(ckpt_path, configmit-han-lab/dc-ae-f128c512-in-1.0-diffusers)这一点在测试用例 test_model_autoencoder_dc_single_file.py 中有直接验证test_single_file_in_type_variant_components与test_single_file_mix_type_variant_components分别断言in/mix变体经from_single_file(ckpt_path, configrepo_id)加载后的 config 与from_pretrained完全一致忽略torch_dtype、_name_or_path、_diffusers_version等元信息字段而test_single_file_inference_same_as_pretrained则验证了单文件加载与标准加载推理输出的余弦相似度距离小于 1e-4。四、AutoencoderDC 架构与核心源码解析4.1 整体结构在 autoencoder_dc.py 中AutoencoderDC(ModelMixin, AutoencoderMixin, ConfigMixin, FromOriginalModelMixin)由两个子网络组成Encoder将 RGB 图像编码为 latent 表示Decoder将 latent 解码回图像。构造完成后模型自动计算压缩率源码 autoencoder_dc.pyself.spatial_compression_ratio 2 ** (len(encoder_block_out_channels) - 1) self.temporal_compression_ratio 1即空间压缩率由编码器块级数决定6 级块对应 32 倍、7 级对应 64 倍、8 级对应 128 倍压缩与上文模型清单一一对应。4.2 基本模块ResBlock残差卷积块由两个 3×3 卷积加激活函数构成可选batch_norm或rms_norm归一化输出为hidden_states residualEfficientViTBlock轻量级多尺度线性注意力块内部由SanaMultiscaleLinearAttention定义于 attention_processor.py与GLUMBConv组成是 DC-AE 兼顾效率与建模能力的核心单元DCDownBlock2d下采样块支持pixel_unshuffle或普通卷积下采样并使用 group-averaging 的 shortcut 分支DCUpBlock2d上采样块支持pixel_shuffle或插值interpolate上采样shortcut 分支通过repeat_interleave匹配通道数。4.3 编码与解码流程encode(x, return_dictTrue)返回EncoderOutput(latent...)decode(z, return_dictTrue)返回DecoderOutput(sample...)。二者默认以 dataclass 形式返回设置return_dictFalse可退化为普通 tuple。直接调用model(sample)等价于先编码再解码的完整前向见forward实现。此外AutoencoderDC还支持与 VAE 一致的工程特性AutoencoderMixin提供接口vae.pyenable_tiling / disable_tiling将输入按 tile 拆分多次前向并做边缘融合显著降低大图编码/解码的显存占用可通过tile_sample_min_height/width、tile_sample_stride_height/width控制 tile 尺寸与重叠步长默认最小 512、步长 448enable_slicing / disable_slicing按 batch 维度逐样本切片解码节省显存以支持更大 batch。测试文件 test_models_autoencoder_dc.py 中的TestAutoencoderDCSlicingTiling、TestAutoencoderDCMemory等测试类覆盖了这些路径。五、关键配置参数全解AutoencoderDC.__init__的全部参数均通过register_to_config注册进模型 config。下表汇总了文档与源码autoencoder_dc.py中的默认值及语义参数默认值说明in_channels3输入图像的通道数RGBlatent_channels32潜空间表示通道数attention_head_dim32注意力头维度encoder_block_types/decoder_block_typesResBlock编/解码器各块类型可为字符串或按块数的元组ResBlock、EfficientViTBlockencoder_block_out_channels/decoder_block_out_channels(128, 256, 512, 512, 1024, 1024)编/解码器各块输出通道数encoder_layers_per_block/decoder_layers_per_block(2,2,2,3,3,3)/(3,3,3,3,3,3)编/解码器每块层数encoder_qkv_multiscales/decoder_qkv_multiscales((),(),(),(5,),(5,),(5,))多头线性注意力的多尺度核大小配置空元组表示该块不含注意力upsample_block_typepixel_shuffle解码器上采样方式pixel_shuffle/interpolatedownsample_block_typepixel_unshuffle编码器下采样方式pixel_unshuffle/convdecoder_norm_typesrms_norm解码器归一化类型decoder_act_fnssilu解码器激活函数encoder_out_shortcutTrue编码器末尾是否使用 shortcutdecoder_in_shortcutTrue解码器开头是否使用 shortcutdecoder_conv_act_fnrelu解码器最终输出激活函数scaling_factor1.0潜空间缩放因子见下scaling_factor 的作用它是 latent 特征均方根的倒数用于在训练扩散模型时将潜空间缩放到单位方差。编码得到的 latent 在送入扩散模型前按z z * scaling_factor缩放解码前按z 1 / scaling_factor * z还原。因此它直接影响扩散模型训练与采样的数值分布不同变体的该值在 转换脚本 中可查模型scaling_factordc-ae-f32c32-sana-1.00.41407dc-ae-f32c32-in-1.00.3189dc-ae-f32c32-mix-1.00.4552dc-ae-f64c128-in-1.00.2889dc-ae-f64c128-mix-1.00.4538dc-ae-f128c512-in-1.00.4883dc-ae-f128c512-mix-1.00.3620可以看到in与mix的scaling_factor差异明显——这正是单文件加载时必须显式传入config覆盖默认mix配置的根本原因。六、从原始 checkpoint 转换到 Diffusers 格式如果需要自行转换模型例如加载后重新发布仓库提供了 convert_dcae_to_diffusers.py。该脚本完成以下工作通过--config_name指定 7 个 checkpoint 之一如dc-ae-f32c32-sana-1.0从 Hugging Face Hub 下载原始model.safetensors按AE_KEYS_RENAME_DICT完成键名重映射如main.、op_list.前缀去除context_module→attnlocal_module→conv_outencoder.stages→encoder.down_blocks等对 QKV 权重执行特殊拆分remap_qkv_将三合一卷积权重拆成to_q/to_k/to_v依据内置的每模型配置实例化AutoencoderDC并严格加载权重load_state_dict(..., strictTrue)通过save_pretrained导出 Diffusers 格式支持safe_serializationTrue、5GB 分片与 fp16/bf16 variant。典型用法python scripts/convert_dcae_to_diffusers.py --config_name dc-ae-f32c32-sana-1.0 --output_path ./dc-ae-f32c32-sana-1.0-diffusers --dtype fp32七、在 SANA 管线中的应用AutoencoderDC是 SANA 图像生成管线的默认潜空间组件被以下管线引用pipeline_sana.py文生图pipeline_sana_sprint.py 与 pipeline_sana_sprint_img2img.pypipeline_sana_controlnet.pypipeline_pag_sana.pyPAG 变体在上述管线中AutoencoderDC承担将扩散模型输出的 latent 解码为最终图像的任务其 32 倍空间压缩相比传统 8 倍 VAE 显著降低了扩散模型需要处理的 latent 分辨率是 SANA 高效推理的关键一环。相关测试见 test_sana.py、test_sana_controlnet.py 等。八、总结与使用建议选择变体SANA 场景直接使用dc-ae-f32c32-sana-1.0-diffusers追求更高压缩率可选 f64/f128 系列需配套对应 latent 通道数更大的扩散模型加载方式优先使用from_pretrained加载 Diffusers 格式使用原始单文件时in变体务必显式传config覆盖默认的mix配置否则scaling_factor错误将导致采样结果异常显存优化处理超高分辨率图像时启用enable_tiling大 batch 场景启用enable_slicing精度选择推理可加载 fp16/bf16 variant 以降低显存与带宽开销测试覆盖了 fp16/bf16 的保存-加载-推理路径test_models_autoencoder_dc.py。通过本文你可以完整掌握 AutoencoderDC 的模型清单、加载 API、配置语义与源码实现并能在 SANA 系列管线中正确集成与调优这一高压缩率自编码器。【免费下载链接】diffusers Diffusers: State-of-the-art diffusion models for image, video, and audio generation in PyTorch.项目地址: https://gitcode.com/GitHub_Trending/di/diffusers创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Diffusers 中的 AutoencoderDC（DC-AE）深度压缩自编码器：原理、模型加载与源码级解析
Diffusers 中的 AutoencoderDCDC-AE深度压缩自编码器原理、模型加载与源码级解析【免费下载链接】diffusers Diffusers: State-of-the-art diffusion models for image, video, and audio generation in PyTorch.项目地址: https://gitcode.com/GitHub_Trending/di/diffusersAutoencoderDC 是 Diffusers 中实现的二维自编码器模型源自 MIT HAN Lab 提出的 Deep Compression AutoencoderDC-AE论文见 DCAE 2410.10733被 SANA 系列图像生成模型用作潜空间压缩组件。本文基于仓库内 AutoencoderDC 官方文档 展开结合 autoencoder_dc.py 源码、转换脚本 与测试用例系统讲解 DC-AE 的核心设计思想、全部已发布模型变体、两种加载方式from_pretrained与from_single_file、配置参数语义以及 tiling/slicing 等工程特性帮助你直接上手或在 SANA 类管线中集成该组件。一、背景DC-AE 解决了什么问题传统自编码器在中等空间压缩率如 8 倍下表现出色但当压缩率提升到 64 倍乃至 128 倍时重建精度会急剧下降。DC-AEDeep Compression Autoencoder为此提出两项关键技术Residual Autoencoding残差自编码基于 space-to-channel 变换后的特征学习残差缓解高空间压缩自编码器的优化困难Decoupled High-Resolution Adaptation解耦高分辨率自适应一种高效的三阶段解耦训练策略用于缓解高空间压缩自编码器的泛化惩罚。凭借这些设计DC-AE 在保持重建质量的同时将空间压缩率提升至最高 128 倍。根据论文摘要将其应用于潜在扩散模型Latent Diffusion Models后可获得显著加速在 ImageNet 512×512 上使用 H100 GPU 训练 UViT-H 时相比常用的 SD-VAE-f8推理提速 19.1 倍、训练提速 17.9 倍且 FID 指标更优。在 Diffusers 中AutoencoderDC类即该模型的官方实现由 lawrence-cj 贡献并与 SANA 系列管线pipeline_sana.py、pipeline_sana_sprint.py、pipeline_sana_controlnet.py、pipeline_pag_sana.py等深度集成。二、已发布的 DCAE 模型清单官方文档列出了 Diffusers 格式与原始格式一一对应的 7 个模型仓库覆盖 f32c32 / f64c128 / f128c512 三种压缩-通道配置以及-sana-SANA 专用、-in-ImageNet 训练、-mix-混合数据训练三种变体Diffusers 格式原始格式空间压缩率latent 通道数mit-han-lab/dc-ae-f32c32-sana-1.0-diffusersmit-han-lab/dc-ae-f32c32-sana-1.03232mit-han-lab/dc-ae-f32c32-in-1.0-diffusersmit-han-lab/dc-ae-f32c32-in-1.03232mit-han-lab/dc-ae-f32c32-mix-1.0-diffusersmit-han-lab/dc-ae-f32c32-mix-1.03232mit-han-lab/dc-ae-f64c128-in-1.0-diffusersmit-han-lab/dc-ae-f64c128-in-1.064128mit-han-lab/dc-ae-f64c128-mix-1.0-diffusersmit-han-lab/dc-ae-f64c128-mix-1.064128mit-han-lab/dc-ae-f128c512-in-1.0-diffusersmit-han-lab/dc-ae-f128c512-in-1.0128512mit-han-lab/dc-ae-f128c512-mix-1.0-diffusersmit-han-lab/dc-ae-f128c512-mix-1.0128512命名中的f32c32含义为空间压缩因子factor32、通道数channel32。in与mix变体的区别在于训练数据与scaling_factor不同详见下文配置参数小节。三、模型加载from_pretrained 与 from_single_file3.1 标准方式from_pretrainedAutoencoderDC继承自ModelMixin因此支持通用的from_pretrained加载接口。文档给出的示例为from diffusers import AutoencoderDC ae AutoencoderDC.from_pretrained(mit-han-lab/dc-ae-f32c32-sana-1.0-diffusers, dtypetorch.float32).to(cuda) # or mps, xpu, cpu加载时按需选择设备cuda/mps/xpu/cpu。除dtype外还可以结合variant如fp16、bf16加载对应精度的权重分片。3.2 单文件加载from_single_file对于只有一个model.safetensors权重文件的原始 checkpoint可以使用from_single_filefrom diffusers import AutoencoderDC ckpt_path https://huggingface.co/mit-han-lab/dc-ae-f32c32-sana-1.0/blob/main/model.safetensors model AutoencoderDC.from_single_file(ckpt_path)重要注意事项in/mix 变体的配置歧义AutoencoderDC的in与mix单文件 checkpoint 拥有完全一致的权重键名区别仅在于scaling_factor等配置值不同。Diffusers 无法仅凭 checkpoint 自动推断应该使用哪套配置因此默认按mix变体的配置文件来实例化模型。若你加载的是in变体 checkpoint必须显式传入config参数覆盖默认配置from diffusers import AutoencoderDC ckpt_path https://huggingface.co/mit-han-lab/dc-ae-f128c512-in-1.0/blob/main/model.safetensors model AutoencoderDC.from_single_file(ckpt_path, configmit-han-lab/dc-ae-f128c512-in-1.0-diffusers)这一点在测试用例 test_model_autoencoder_dc_single_file.py 中有直接验证test_single_file_in_type_variant_components与test_single_file_mix_type_variant_components分别断言in/mix变体经from_single_file(ckpt_path, configrepo_id)加载后的 config 与from_pretrained完全一致忽略torch_dtype、_name_or_path、_diffusers_version等元信息字段而test_single_file_inference_same_as_pretrained则验证了单文件加载与标准加载推理输出的余弦相似度距离小于 1e-4。四、AutoencoderDC 架构与核心源码解析4.1 整体结构在 autoencoder_dc.py 中AutoencoderDC(ModelMixin, AutoencoderMixin, ConfigMixin, FromOriginalModelMixin)由两个子网络组成Encoder将 RGB 图像编码为 latent 表示Decoder将 latent 解码回图像。构造完成后模型自动计算压缩率源码 autoencoder_dc.pyself.spatial_compression_ratio 2 ** (len(encoder_block_out_channels) - 1) self.temporal_compression_ratio 1即空间压缩率由编码器块级数决定6 级块对应 32 倍、7 级对应 64 倍、8 级对应 128 倍压缩与上文模型清单一一对应。4.2 基本模块ResBlock残差卷积块由两个 3×3 卷积加激活函数构成可选batch_norm或rms_norm归一化输出为hidden_states residualEfficientViTBlock轻量级多尺度线性注意力块内部由SanaMultiscaleLinearAttention定义于 attention_processor.py与GLUMBConv组成是 DC-AE 兼顾效率与建模能力的核心单元DCDownBlock2d下采样块支持pixel_unshuffle或普通卷积下采样并使用 group-averaging 的 shortcut 分支DCUpBlock2d上采样块支持pixel_shuffle或插值interpolate上采样shortcut 分支通过repeat_interleave匹配通道数。4.3 编码与解码流程encode(x, return_dictTrue)返回EncoderOutput(latent...)decode(z, return_dictTrue)返回DecoderOutput(sample...)。二者默认以 dataclass 形式返回设置return_dictFalse可退化为普通 tuple。直接调用model(sample)等价于先编码再解码的完整前向见forward实现。此外AutoencoderDC还支持与 VAE 一致的工程特性AutoencoderMixin提供接口vae.pyenable_tiling / disable_tiling将输入按 tile 拆分多次前向并做边缘融合显著降低大图编码/解码的显存占用可通过tile_sample_min_height/width、tile_sample_stride_height/width控制 tile 尺寸与重叠步长默认最小 512、步长 448enable_slicing / disable_slicing按 batch 维度逐样本切片解码节省显存以支持更大 batch。测试文件 test_models_autoencoder_dc.py 中的TestAutoencoderDCSlicingTiling、TestAutoencoderDCMemory等测试类覆盖了这些路径。五、关键配置参数全解AutoencoderDC.__init__的全部参数均通过register_to_config注册进模型 config。下表汇总了文档与源码autoencoder_dc.py中的默认值及语义参数默认值说明in_channels3输入图像的通道数RGBlatent_channels32潜空间表示通道数attention_head_dim32注意力头维度encoder_block_types/decoder_block_typesResBlock编/解码器各块类型可为字符串或按块数的元组ResBlock、EfficientViTBlockencoder_block_out_channels/decoder_block_out_channels(128, 256, 512, 512, 1024, 1024)编/解码器各块输出通道数encoder_layers_per_block/decoder_layers_per_block(2,2,2,3,3,3)/(3,3,3,3,3,3)编/解码器每块层数encoder_qkv_multiscales/decoder_qkv_multiscales((),(),(),(5,),(5,),(5,))多头线性注意力的多尺度核大小配置空元组表示该块不含注意力upsample_block_typepixel_shuffle解码器上采样方式pixel_shuffle/interpolatedownsample_block_typepixel_unshuffle编码器下采样方式pixel_unshuffle/convdecoder_norm_typesrms_norm解码器归一化类型decoder_act_fnssilu解码器激活函数encoder_out_shortcutTrue编码器末尾是否使用 shortcutdecoder_in_shortcutTrue解码器开头是否使用 shortcutdecoder_conv_act_fnrelu解码器最终输出激活函数scaling_factor1.0潜空间缩放因子见下scaling_factor 的作用它是 latent 特征均方根的倒数用于在训练扩散模型时将潜空间缩放到单位方差。编码得到的 latent 在送入扩散模型前按z z * scaling_factor缩放解码前按z 1 / scaling_factor * z还原。因此它直接影响扩散模型训练与采样的数值分布不同变体的该值在 转换脚本 中可查模型scaling_factordc-ae-f32c32-sana-1.00.41407dc-ae-f32c32-in-1.00.3189dc-ae-f32c32-mix-1.00.4552dc-ae-f64c128-in-1.00.2889dc-ae-f64c128-mix-1.00.4538dc-ae-f128c512-in-1.00.4883dc-ae-f128c512-mix-1.00.3620可以看到in与mix的scaling_factor差异明显——这正是单文件加载时必须显式传入config覆盖默认mix配置的根本原因。六、从原始 checkpoint 转换到 Diffusers 格式如果需要自行转换模型例如加载后重新发布仓库提供了 convert_dcae_to_diffusers.py。该脚本完成以下工作通过--config_name指定 7 个 checkpoint 之一如dc-ae-f32c32-sana-1.0从 Hugging Face Hub 下载原始model.safetensors按AE_KEYS_RENAME_DICT完成键名重映射如main.、op_list.前缀去除context_module→attnlocal_module→conv_outencoder.stages→encoder.down_blocks等对 QKV 权重执行特殊拆分remap_qkv_将三合一卷积权重拆成to_q/to_k/to_v依据内置的每模型配置实例化AutoencoderDC并严格加载权重load_state_dict(..., strictTrue)通过save_pretrained导出 Diffusers 格式支持safe_serializationTrue、5GB 分片与 fp16/bf16 variant。典型用法python scripts/convert_dcae_to_diffusers.py --config_name dc-ae-f32c32-sana-1.0 --output_path ./dc-ae-f32c32-sana-1.0-diffusers --dtype fp32七、在 SANA 管线中的应用AutoencoderDC是 SANA 图像生成管线的默认潜空间组件被以下管线引用pipeline_sana.py文生图pipeline_sana_sprint.py 与 pipeline_sana_sprint_img2img.pypipeline_sana_controlnet.pypipeline_pag_sana.pyPAG 变体在上述管线中AutoencoderDC承担将扩散模型输出的 latent 解码为最终图像的任务其 32 倍空间压缩相比传统 8 倍 VAE 显著降低了扩散模型需要处理的 latent 分辨率是 SANA 高效推理的关键一环。相关测试见 test_sana.py、test_sana_controlnet.py 等。八、总结与使用建议选择变体SANA 场景直接使用dc-ae-f32c32-sana-1.0-diffusers追求更高压缩率可选 f64/f128 系列需配套对应 latent 通道数更大的扩散模型加载方式优先使用from_pretrained加载 Diffusers 格式使用原始单文件时in变体务必显式传config覆盖默认的mix配置否则scaling_factor错误将导致采样结果异常显存优化处理超高分辨率图像时启用enable_tiling大 batch 场景启用enable_slicing精度选择推理可加载 fp16/bf16 variant 以降低显存与带宽开销测试覆盖了 fp16/bf16 的保存-加载-推理路径test_models_autoencoder_dc.py。通过本文你可以完整掌握 AutoencoderDC 的模型清单、加载 API、配置语义与源码实现并能在 SANA 系列管线中正确集成与调优这一高压缩率自编码器。【免费下载链接】diffusers Diffusers: State-of-the-art diffusion models for image, video, and audio generation in PyTorch.项目地址: https://gitcode.com/GitHub_Trending/di/diffusers创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考