File size: 4,556 Bytes
8d72f2f b3c3bb6 8d72f2f b3c3bb6 8d72f2f | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 | """
Chạy trên Kaggle (cùng thư mục với app.py), SAU KHI app.py đã chạy được bình thường ít
nhất 1 lần (để chắc model tải đúng, checksum ok...).
!python trace_vendor_usage.py
Script này KHÔNG launch Gradio -- nó import app.py như một module (mọi thứ tới lúc
`pipe = QwenImage21Pipeline.from_pretrained(...)` chạy xong, vì demo.launch() nằm trong
`if __name__ == "__main__":` nên không bị kích hoạt khi import), rồi tự gọi generate()
vài lần để "chọc" vào từng nhánh code (base model, Turbo LoRA, Transparent PNG...) sao
cho mọi lazy-import liên quan cũng được kích hoạt và ghi lại.
Kết quả: vendor_files_used.json -- danh sách đường dẫn tương đối (so với
vendor/diffusers/src) của MỌI file diffusers đã thực sự được Python nạp vào bộ nhớ.
Đưa file này cho prune_vendor.py ở bước sau.
Muốn trace thêm nhánh "Edit an image" thì tự thêm 1 scenario có `reference=<PIL.Image>`
bên dưới (mình để trống vì cần ảnh mẫu tay).
"""
import json
import sys
import traceback
from pathlib import Path
VENDOR_SRC = Path(__file__).resolve().parent / "vendor" / "diffusers" / "src"
def snapshot_diffusers_files() -> set[str]:
files = set()
for name, mod in list(sys.modules.items()):
if mod is None or not (name == "diffusers" or name.startswith("diffusers.")):
continue
f = getattr(mod, "__file__", None)
if f:
files.add(str(Path(f).resolve()))
return files
def _make_dummy_reference_image():
# Bất kỳ ảnh nào cũng được -- mục đích chỉ là kích hoạt nhánh VAE-encode/
# image_pad_mask của "Edit an image", không quan tâm nội dung/chất lượng ảnh.
# Nếu bạn muốn trace sát thực tế hơn (một số code path phụ thuộc kích thước/tỉ lệ
# ảnh đầu vào), thay dòng này bằng:
# from PIL import Image
# return Image.open("/kaggle/working/sample.jpg").convert("RGB")
from PIL import Image
return Image.new("RGB", (768, 768), color=(120, 160, 200))
def main() -> None:
import app # executes app.py's module-level code (model loading, UI definition)
all_files: set[str] = set()
all_files |= snapshot_diffusers_files()
print(f"[trace] after import: {len(all_files)} diffusers files loaded", flush=True)
lora_keys = list(app.LORA_VARIANTS.keys())
scenarios = [
dict(mode="Create an image", lora=lora_keys[0], label="base model, no LoRA"),
dict(mode="Create an image", lora=lora_keys[1], label="Turbo LoRA (rank 256)"),
dict(mode="Transparent PNG", lora=lora_keys[0], label="transparent PNG mode"),
dict(
mode="Edit an image",
lora=lora_keys[0],
reference=_make_dummy_reference_image(),
label="edit mode",
),
]
for i, sc in enumerate(scenarios):
print(f"[trace] running scenario {i}: {sc['label']} ...", flush=True)
try:
app.generate(
"a red apple on a wooden table", # prompt
sc["mode"], # mode
sc.get("reference"), # reference image
"Square · 1:1 (1024x1024)", # aspect_ratio
1024, 1024, # custom_width, custom_height
6 if "Turbo" in sc["lora"] else 8, # steps (small, just to trace fast)
0, True, # seed, randomize_seed
sc["lora"], # lora_choice
"", 1.0, # negative_prompt, cfg_scale
1, # num_images
)
except Exception:
print(f"[trace] scenario {i} raised (continuing, this is fine for tracing):", flush=True)
traceback.print_exc()
all_files |= snapshot_diffusers_files()
print(f"[trace] after scenario {i}: {len(all_files)} diffusers files loaded", flush=True)
manifest = sorted(
str(Path(f).relative_to(VENDOR_SRC))
for f in all_files
if str(Path(f)).startswith(str(VENDOR_SRC))
)
out = Path(__file__).resolve().parent / "vendor_files_used.json"
out.write_text(json.dumps(manifest, indent=2), encoding="utf-8")
print(f"[trace] wrote {len(manifest)} required diffusers files to {out}", flush=True)
if __name__ == "__main__":
main()
|