企业官网建设流程全解析

chilloutmix_NiPrunedFp32Fix 模型格式转换：PyTorch 转 ONNX / Safetensors 完整指南

【免费下载链接】chilloutmix_NiPrunedFp32Fix项目地址: https://ai.gitcode.com/hf_mirrors/emilianJR/chilloutmix_NiPrunedFp32Fix

如果你正在做 chilloutmix_NiPrunedFp32Fix 模型格式转换，大概率卡在同一件事上：仓库给的是 PyTorch 的 .bin 权重，但你的部署环境只认 ONNX，或者想换成加载更快、更安全的 Safetensors。这篇只讲一件事——怎么把这个 Stable Diffusion 模型转成这两种格式，转完还能跑通推理。全程是可复制的命令和代码，不用自己拼。

先看懂三种格式，再决定转哪个

做 diffusers 模型格式互转之前，先拿这张表定方向，别白转：

一句话判断：想给推理提速选 ONNX，只想让加载更安全高效就转 Safetensors，两者都想要就各转一遍，互不冲突。

动手前：一条命令装依赖

pip install torch onnx safetensors diffusers transformers

然后把仓库拉到本地，后面所有操作都在仓库根目录执行：

git clone https://gitcode.com/hf_mirrors/emilianJR/chilloutmix_NiPrunedFp32Fix cd chilloutmix_NiPrunedFp32Fix

仓库里 UNet 权重在 unet/diffusion_pytorch_model.bin，结构参数在 unet/config.json，下面转换会直接用到。

Stable Diffusion 模型转 ONNX：导出 UNet 推理图

产出是一个unet.onnx文件，ONNX Runtime 可以直接加载，不再依赖 PyTorch 运行时。

from diffusers import StableDiffusionPipeline import torch pipe = StableDiffusionPipeline.from_pretrained("./", torch_dtype=torch.float16, safety_checker=None) unet = pipe.unet # 按 UNet 真实输入造 dummy 数据：4 通道 latent、64x64，77 是 CLIP 文本序列长度 latents = torch.randn(1, 4, 64, 64) timestep = torch.tensor([1]) hidden = torch.randn(1, 77, 768) torch.onnx.export(unet, (latents, timestep, hidden), "unet.onnx", opset_version=14, do_constant_folding=True)

产物unet.onnx落在仓库根目录。推理时它和unet/config.json里的结构定义配套使用，配置文件本身不用改。

PyTorch 转 Safetensors：三行换容器

这一步只是把权重换个"容器"存放，不重算、不降精度，基本秒级完成。

import torch from safetensors.torch import save_file # 两个最重的组件逐个转，map_location=cpu 避免吃显存 save_file(torch.load("unet/diffusion_pytorch_model.bin", map_location="cpu"), "unet/diffusion_pytorch_model.safetensors") save_file(torch.load("text_encoder/pytorch_model.bin", map_location="cpu"), "text_encoder/pytorch_model.safetensors")

产物和原 .bin 放在同一目录，diffusers 加载时会优先识别 .safetensors，旧文件保留或删除都不影响运行。

踩坑：新手最常撞的三个问题

• 转换时内存爆掉→ 全程用torch.float16加载，UNet 和 text_encoder 分开转，别一次性全量进内存。
• 加载报 config 不匹配→ 核对unet/config.json的结构参数（in_channels、sample_size）与model_index.json的组件声明是否一致，转换过程中别动这两个文件。
• ONNX 导出报不支持的算子→ 把opset_version升到 17 再试；只导出 UNet 单组件，别想一条 pipeline 整图导完。

验证：出一张图就算转对了

最省事的验收标准就一条——原 pipeline 还能正常出图：

from diffusers import StableDiffusionPipeline import torch pipe = StableDiffusionPipeline.from_pretrained("./", torch_dtype=torch.float32, safety_checker=None) pipe("a beautiful landscape").images[0].save("test.png")

test.png正常生成、画面合理，就说明 chilloutmix_NiPrunedFp32Fix 模型格式转换完成，可以上部署了。万一出问题，排查入口就在各组件目录：unet/、text_encoder/、vae/下的config.json定义结构，model_index.json定义整体拼装关系，对照报错先看它们，基本就能定位。

【免费下载链接】chilloutmix_NiPrunedFp32Fix项目地址: https://ai.gitcode.com/hf_mirrors/emilianJR/chilloutmix_NiPrunedFp32Fix