# AutoModel

A classe [AutoModel](/docs/diffusers/v0.43.0/pt/api/models/auto_model#diffusers.AutoModel) detecta e carrega automaticamente a classe de modelo correta (UNet, transformer, VAE) a partir de um arquivo `config.json`. Você não precisa saber o nome específico da classe do modelo antecipadamente. Ela suporta tipos de dados e posicionamento de dispositivo, e funciona entre diferentes tipos de modelos e bibliotecas.

O exemplo abaixo carrega um transformer do Diffusers e um codificador de texto do Transformers. Use o parâmetro `subfolder` para especificar de onde carregar o arquivo `config.json`.

```py
import torch
from diffusers import AutoModel, DiffusionPipeline

transformer = AutoModel.from_pretrained(
    "Qwen/Qwen-Image", subfolder="transformer", dtype=torch.bfloat16, device_map="cuda"  # or "mps", "xpu", "cpu"
)

text_encoder = AutoModel.from_pretrained(
    "Qwen/Qwen-Image", subfolder="text_encoder", dtype=torch.bfloat16, device_map="cuda"
)
```

## Modelos personalizados

[AutoModel](/docs/diffusers/v0.43.0/pt/api/models/auto_model#diffusers.AutoModel) também carrega modelos do [Hub](https://huggingface.co/models) que não estão incluídos no Diffusers. Defina `trust_remote_code=True` em [AutoModel.from_pretrained()](/docs/diffusers/v0.43.0/pt/api/models/auto_model#diffusers.AutoModel.from_pretrained) para carregar modelos personalizados.

Um repositório de modelo personalizado precisa de um módulo Python com a classe do modelo e de um `config.json` com uma entrada `auto_map` que mapeia `"AutoModel"` para `"module_file.ClassName"`.

```
custom/custom-transformer-model/
├── config.json
├── my_model.py
└── diffusion_pytorch_model.safetensors
```

O `config.json` inclui o campo `auto_map` apontando para a classe personalizada.

```json
{
  "auto_map": {
    "AutoModel": "my_model.MyCustomModel"
  }
}
```

Em seguida, carregue-o com `trust_remote_code=True`.

```py
import torch
from diffusers import AutoModel

transformer = AutoModel.from_pretrained(
    "custom/custom-transformer-model", trust_remote_code=True, dtype=torch.bfloat16, device_map="cuda"  # or "mps", "xpu", "cpu"
)
```

Como exemplo do mundo real, [Overworld/Waypoint-1-Small](https://huggingface.co/Overworld/Waypoint-1-Small/tree/main/transformer) hospeda uma classe `WorldModel` personalizada em vários módulos em sua subpasta `transformer`.

```
transformer/
├── config.json          # auto_map: "model.WorldModel"
├── model.py
├── attn.py
├── nn.py
├── cache.py
├── quantize.py
├── __init__.py
└── diffusion_pytorch_model.safetensors
```

```py
import torch
from diffusers import AutoModel

transformer = AutoModel.from_pretrained(
    "Overworld/Waypoint-1-Small", subfolder="transformer", trust_remote_code=True, dtype=torch.bfloat16, device_map="cuda"  # or "mps", "xpu", "cpu"
)
```

Se o modelo personalizado herda da classe [ModelMixin](/docs/diffusers/v0.43.0/pt/api/models/overview#diffusers.ModelMixin), ele obtém acesso aos mesmos recursos das classes de modelos do Diffusers, como [compilação regional](../optimization/fp16#regional-compilation) e [group offloading](../optimization/memory#group-offloading).

> [!WARNING]
> Como medida de precaução ao usar `trust_remote_code=True`, passe um hash de commit para o argumento `revision` em [AutoModel.from_pretrained()](/docs/diffusers/v0.43.0/pt/api/models/auto_model#diffusers.AutoModel.from_pretrained) para garantir que o código não tenha sido atualizado com novo código malicioso (a menos que você confie totalmente nos proprietários do modelo).
>
> ```py
> transformer = AutoModel.from_pretrained(
>     "Overworld/Waypoint-1-Small", subfolder="transformer", trust_remote_code=True, revision="a3d8cb2"
> )
> ```

## Salvando modelos personalizados

Use `register_for_auto_class()` para adicionar a entrada `auto_map` ao `config.json` automaticamente ao salvar. Isso evita a necessidade de editar manualmente o arquivo de configuração.

```py
# my_model.py
from diffusers import ModelMixin, ConfigMixin

class MyCustomModel(ModelMixin, ConfigMixin):
    ...

MyCustomModel.register_for_auto_class("AutoModel")

model = MyCustomModel(...)
model.save_pretrained("./my_model")
```

O `config.json` salvo incluirá o campo `auto_map`.

```json
{
  "auto_map": {
    "AutoModel": "my_model.MyCustomModel"
  }
}
```

## Próximas etapas

Saiba mais sobre a implementação de modelos personalizados no guia [Componentes da comunidade](../using-diffusers/custom_pipeline_overview#community-components).