# ComponentsManager

> [!WARNING]
> [ComponentsManager](/docs/diffusers/main/ar/api/modular_diffusers/pipeline_components#diffusers.ComponentsManager) لا يزال قيد التطوير النشط وقد تتغير واجهة برمجياته.

يُعدّ [ComponentsManager](/docs/diffusers/main/ar/api/modular_diffusers/pipeline_components#diffusers.ComponentsManager) نظام تسجيل وإدارة نماذج لـ Modular Diffusers. فهو يضيف النماذج ويتتبعها، ويخزّن بيانات وصفية مفيدة (حجم النموذج، موضع الجهاز، المُكيّفات)، ويدعم تفريغ الموارد.

ستوضح لك هذه الدليل كيفية استخدام [ComponentsManager](/docs/diffusers/main/ar/api/modular_diffusers/pipeline_components#diffusers.ComponentsManager) لإدارة المكونات وذاكرة الجهاز.

## الاتصال بخط أنابيب

Create a [ComponentsManager](/docs/diffusers/main/ar/api/modular_diffusers/pipeline_components#diffusers.ComponentsManager) and pass it to a [ModularPipeline](/docs/diffusers/main/ar/api/modular_diffusers/pipeline#diffusers.ModularPipeline) with either [from_pretrained()](/docs/diffusers/main/ar/api/modular_diffusers/pipeline#diffusers.ModularPipeline.from_pretrained) or [init_pipeline()](/docs/diffusers/main/ar/api/modular_diffusers/pipeline_blocks#diffusers.ModularPipelineBlocks.init_pipeline).

```py
from diffusers import ModularPipeline, ComponentsManager
import torch

manager = ComponentsManager()
pipe = ModularPipeline.from_pretrained("Tongyi-MAI/Z-Image-Turbo", components_manager=manager)
pipe.load_components(dtype=torch.bfloat16)
```

```py
from diffusers import ModularPipelineBlocks, ComponentsManager
import torch
manager = ComponentsManager()
blocks = ModularPipelineBlocks.from_pretrained("diffusers/Florence2-image-Annotator", trust_remote_code=True)
pipe= blocks.init_pipeline(components_manager=manager)
pipe.load_components(dtype=torch.bfloat16)
```

تُسجَّل المكونات التي تُحمّلها pipeline تلقائيًا في المُدير. يمكنك فحصها فورًا.

## فحص المكونات

اطبع [ComponentsManager](/docs/diffusers/main/ar/api/modular_diffusers/pipeline_components#diffusers.ComponentsManager) لعرض جميع المكونات المسجّلة، بما في ذلك فئتها، وموضعها على الجهاز، ونوع البيانات (dtype)، وحجم الذاكرة، ومعرّف التحميل.

يتوافق المخرَج أدناه مع مثال `from_pretrained` أعلاه.

```py
Components:
=============================================================================================================================
Models:
-----------------------------------------------------------------------------------------------------------------------------
Name_ID                      | Class                    | Device: act(exec) | Dtype          | Size (GB) | Load ID
-----------------------------------------------------------------------------------------------------------------------------
text_encoder_140458257514752 | Qwen3Model               | cpu               | torch.bfloat16 | 7.49      | Tongyi-MAI/Z-Image-Turbo|text_encoder|null|null
vae_140458257515376          | AutoencoderKL            | cpu               | torch.bfloat16 | 0.16      | Tongyi-MAI/Z-Image-Turbo|vae|null|null
transformer_140458257515616  | ZImageTransformer2DModel | cpu               | torch.bfloat16 | 11.46     | Tongyi-MAI/Z-Image-Turbo|transformer|null|null
-----------------------------------------------------------------------------------------------------------------------------

Other Components:
-----------------------------------------------------------------------------------------------------------------------------
ID                           | Class                           | Collection
-----------------------------------------------------------------------------------------------------------------------------
scheduler_140461023555264    | FlowMatchEulerDiscreteScheduler | N/A
tokenizer_140458256346432    | Qwen2Tokenizer                  | N/A
-----------------------------------------------------------------------------------------------------------------------------
```

تُظهر الجدول النماذج (مع معلومات الجهاز، ونوع البيانات، والذاكرة) بشكل منفصل عن المكونات الأخرى مثل مجدولات المعالجة ومجزئات الرموز. إذا كانت أي من النماذج تستخدم محولات LoRA أو IP-Adapters أو تم تطبيق التكميم عليها، فسيتم عرض هذه المعلومات في قسم إضافي في الأسفل.

## إخلاء

تُعدّ طريقة [enable_auto_cpu_offload()](/docs/diffusers/main/ar/api/modular_diffusers/pipeline_components#diffusers.ComponentsManager.enable_auto_cpu_offload) استراتيجية إزاحة عامة تعمل عبر جميع النماذج بغض النظر عن خط الأنابيب الذي يستخدمها. بمجرد تفعيلها، لن تحتاج إلى القلق بشأن وضع الأجهزة عند إضافة أو إزالة المكونات.

```py
manager.enable_auto_cpu_offload(device="cuda")  # or "mps", "xpu", "cpu"
```

تبدأ جميع النماذج على وحدة المعالجة المركزية (CPU)، وينقل [ComponentsManager](/docs/diffusers/main/ar/api/modular_diffusers/pipeline_components#diffusers.ComponentsManager) النموذج إلى الجهاز المناسب مباشرة قبل الحاجة إليه، كما يعيد النماذج الأخرى إلى وحدة المعالجة المركزية عندما تكون ذاكرة وحدة معالجة الرسوميات (GPU) منخفضة.

استدعِ [disable_auto_cpu_offload()](/docs/diffusers/main/ar/api/modular_diffusers/pipeline_components#diffusers.ComponentsManager.disable_auto_cpu_offload) لتعطيل النقل.

```py
manager.disable_auto_cpu_offload()
```