# ComponentsManager

> [!WARNING]
> [ComponentsManager](/docs/diffusers/main/ru/api/modular_diffusers/pipeline_components#diffusers.ComponentsManager) всё ещё активно разрабатывается, и его API может измениться.

[ComponentsManager](/docs/diffusers/main/ru/api/modular_diffusers/pipeline_components#diffusers.ComponentsManager) — это система реестра и управления моделями для Modular Diffusers. Он добавляет и отслеживает модели, хранит полезную метаданные (размер модели, размещение на устройстве, адаптеры) и поддерживает выгрузку (offloading).

В этом руководстве показано, как использовать [ComponentsManager](/docs/diffusers/main/ru/api/modular_diffusers/pipeline_components#diffusers.ComponentsManager) для управления компонентами и памятью устройства.

## Подключение к конвейеру

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

Компоненты, загруженные с помощью pipeline, автоматически регистрируются в менеджере. Вы можете сразу же их проверить.

## Осмотр компонентов

Выведите [ComponentsManager](/docs/diffusers/main/ru/api/modular_diffusers/pipeline_components#diffusers.ComponentsManager), чтобы увидеть все зарегистрированные компоненты, включая их класс, расположение на устройстве, dtype, размер памяти и идентификатор загрузки.

Результат, приведённый ниже, соответствует примеру `from_pretrained` выше.

```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
-----------------------------------------------------------------------------------------------------------------------------
```

Таблица отображает модели (с информацией об устройстве, типе данных и памяти) отдельно от других компонентов, таких как планировщики и токенизаторы. Если к каким-либо моделям применены адаптеры LoRA, IP-Adapters или квантование, эта информация выводится в дополнительном разделе внизу.

## Выгрузка

Метод [enable_auto_cpu_offload()](/docs/diffusers/main/ru/api/modular_diffusers/pipeline_components#diffusers.ComponentsManager.enable_auto_cpu_offload) представляет собой глобальную стратегию выгрузки, которая работает со всеми моделями независимо от того, какой пайплайн их использует. После включения вам не нужно беспокоиться о размещении на устройствах при добавлении или удалении компонентов.

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

Все модели изначально загружаются на CPU, а [ComponentsManager](/docs/diffusers/main/ru/api/modular_diffusers/pipeline_components#diffusers.ComponentsManager) перемещает их на соответствующее устройство непосредственно перед использованием и возвращает другие модели на CPU при нехватке памяти GPU.

Вызовите [disable_auto_cpu_offload()](/docs/diffusers/main/ru/api/modular_diffusers/pipeline_components#diffusers.ComponentsManager.disable_auto_cpu_offload), чтобы отключить выгрузку.

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