# Cài đặt

Diffusers yêu cầu Python 3.10+ và được kiểm thử với PyTorch 2.6+. Cài đặt [PyTorch](https://pytorch.org/get-started/locally/) theo hệ thống và cấu hình của bạn.

Tạo một [môi trường ảo](https://packaging.python.org/guides/installing-using-pip-and-virtual-environments/) để quản lý các dự án riêng biệt dễ dàng hơn và tránh các vấn đề tương thích giữa các phụ thuộc. Sử dụng [uv](https://docs.astral.sh/uv/), một trình quản lý gói và dự án Python dựa trên Rust, để tạo môi trường ảo và cài đặt Diffusers.

```bash
uv venv my-env
source my-env/bin/activate
```

Cài đặt Diffusers bằng một trong các phương pháp sau.

```bash
uv pip install diffusers["torch"] transformers
```

Để cài đặt Diffusers với PyTorch trên các thiết bị NVIDIA Spark (chẳng hạn như laptop RTX Spark) chạy ARM64, hãy cài đặt PyTorch từ chỉ mục PyPI của NVIDIA. Các thiết bị này yêu cầu các bản dựng ARM64 của PyTorch do NVIDIA cung cấp, vốn không có sẵn trên chỉ mục PyPI mặc định hay chỉ mục wheel PyTorch tiêu chuẩn.

Chạy lệnh bên dưới để kiểm tra xem hệ thống của bạn có phát hiện được GPU NVIDIA hay không.

```bash
nvidia-smi
```

Cài đặt PyTorch từ chỉ mục PyPI của NVIDIA, sau đó cài đặt Diffusers.

```bash
uv pip install torch --index-url https://pypi.nvidia.com
uv pip install diffusers
```

```bash
conda install -c conda-forge diffusers
```

Cài đặt từ mã nguồn sẽ cài đặt phiên bản `main` thay vì phiên bản `stable` mới nhất. Phiên bản `main` hữu ích để cập nhật các thay đổi mới nhất nhưng có thể không luôn ổn định. Nếu bạn gặp vấn đề, hãy mở một [Issue](https://github.com/huggingface/diffusers/issues/new/choose) và chúng tôi sẽ cố gắng giải quyết sớm nhất có thể.

Hãy đảm bảo rằng [Accelerate](https://huggingface.co/docs/accelerate/index) đã được cài đặt.

```bash
uv pip install accelerate
```

Cài đặt Diffusers từ mã nguồn bằng lệnh bên dưới.

```bash
uv pip install git+https://github.com/huggingface/diffusers
```

Cài đặt kèm các gói bổ sung khi bạn cần. `diffusers["torch"]` sẽ kéo theo PyTorch và Accelerate. Các gói bổ sung khác bao gồm các backend lượng tử hóa, huấn luyện và tài liệu. Xem [`setup.py`](https://github.com/huggingface/diffusers/blob/main/setup.py) để biết danh sách đầy đủ.

## Thiết bị

Diffusers chạy trên bất kỳ bộ tăng tốc nào được PyTorch hỗ trợ. Các ví dụ trong tài liệu sử dụng `"cuda"` vì đây là cấu hình phổ biến nhất, nhưng không có gì đặc thù cho CUDA. Hãy thay chuỗi thiết bị bằng phần cứng của bạn, chẳng hạn như `"xpu"` cho GPU Intel, `"mps"` cho Apple silicon, hoặc `"cpu"`.

```py
device = "cuda"  # or "mps", "xpu", "cpu"
pipeline.to(device)
```

Để chọn thiết bị khi chạy thay vì hardcode, hãy sử dụng [torch.accelerator](https://docs.pytorch.org/docs/stable/accelerator.html).

```py
import torch

device = torch.accelerator.current_accelerator().type if torch.accelerator.is_available() else "cpu"
```

## Cài đặt có thể chỉnh sửa

Cài đặt dạng có thể chỉnh sửa được khuyến nghị cho các quy trình phát triển hoặc khi bạn đang sử dụng phiên bản `main` của mã nguồn. Một liên kết đặc biệt được tạo giữa kho đã clone và các đường dẫn thư viện Python. Điều này giúp tránh việc phải cài đặt lại gói sau mỗi lần thay đổi.

Clone kho lưu trữ và cài đặt Diffusers bằng các lệnh sau.

```bash
git clone https://github.com/huggingface/diffusers.git
cd diffusers
uv pip install -e ".[torch]"
```

> [!WARNING]
> Bạn phải giữ lại thư mục `diffusers` nếu muốn tiếp tục sử dụng thư viện với cài đặt dạng có thể chỉnh sửa.

Cập nhật kho mã đã nhân bản của bạn lên phiên bản Diffusers mới nhất bằng lệnh bên dưới.

```bash
cd ~/diffusers/
git pull
```

## Bộ nhớ đệm

Trọng số và tệp của mô hình được tải xuống từ Hub vào bộ nhớ đệm, thường là thư mục home của bạn. Thay đổi vị trí bộ nhớ đệm bằng các biến môi trường [HF_HOME](https://huggingface.co/docs/huggingface_hub/package_reference/environment_variables#hfhome) hoặc [HF_HUB_CACHE](https://huggingface.co/docs/huggingface_hub/package_reference/environment_variables#hfhubcache) hoặc bằng cách cấu hình tham số `cache_dir` trong các phương thức như [from_pretrained()](/docs/diffusers/v0.43.0/vi/api/pipelines/overview#diffusers.DiffusionPipeline.from_pretrained).

```bash
export HF_HOME="/path/to/your/cache"
export HF_HUB_CACHE="/path/to/your/hub/cache"
```

```py
from diffusers import DiffusionPipeline

pipeline = DiffusionPipeline.from_pretrained(
    "black-forest-labs/FLUX.1-dev",
    cache_dir="/path/to/your/cache"
)
```

Các tệp được lưu trong bộ nhớ đệm cho phép bạn sử dụng Diffusers ngoại tuyến. Đặt biến môi trường [HF_HUB_OFFLINE](https://huggingface.co/docs/huggingface_hub/package_reference/environment_variables#hfhuboffline) thành `1` để ngăn Diffusers kết nối với internet.

```shell
export HF_HUB_OFFLINE=1
```

Để biết thêm chi tiết về việc quản lý và dọn dẹp bộ nhớ đệm, hãy xem hướng dẫn [Hiểu về bộ nhớ đệm](https://huggingface.co/docs/huggingface_hub/guides/manage-cache).

## Ghi nhật ký đo lường

Diffusers thu thập thông tin đo lường trong các yêu cầu [from_pretrained()](/docs/diffusers/v0.43.0/vi/api/pipelines/overview#diffusers.DiffusionPipeline.from_pretrained). Dữ liệu được thu thập bao gồm phiên bản Diffusers và PyTorch, lớp model hoặc pipeline được yêu cầu, và đường dẫn đến checkpoint được huấn luyện trước nếu nó được lưu trữ trên Hub.

Dữ liệu sử dụng này giúp chúng tôi gỡ lỗi các vấn đề và ưu tiên phát triển các tính năng mới. Telemetry chỉ được gửi khi tải các model và pipeline từ Hub, và sẽ không được thu thập nếu bạn đang tải các tệp cục bộ.

Tắt và vô hiệu hóa việc thu thập dữ liệu đo lường bằng biến môi trường [HF_HUB_DISABLE_TELEMETRY](https://huggingface.co/docs/huggingface_hub/package_reference/environment_variables#hfhubdisabletelemetry).

```bash
export HF_HUB_DISABLE_TELEMETRY=1
```

```bash
set HF_HUB_DISABLE_TELEMETRY=1
```