自定义Pipeline调用SDXL遇TypeError：NoneType对象不可迭代求助

问题根源 #

你遇到的TypeError: argument of type 'NoneType' is not iterable，是因为SDXL的UNet要求必须传入包含text_embeds和time_ids的added_cond_kwargs字典，但你的自定义Pipeline里没有正确构造这个参数，导致它变成了None，代码判断"text_embeds" in added_cond_kwargs时自然报错。

具体修复步骤 #

• 构造完整的text embeddings：SDXL需要同时处理正负prompt的embedding，要把两者拼接起来。参考官方逻辑，用text_encoder和text_encoder_2分别生成embedding，然后按维度拼接，最终得到text_embeds。
• 生成time_ids参数：这个参数包含图像的目标尺寸、裁剪尺寸、缩放系数等信息，需要根据你的生成参数构造，格式示例：

  time_ids = torch.cat([
      torch.tensor([height]),
      torch.tensor([width]),
      torch.tensor([crop_height]),
      torch.tensor([crop_width]),
      torch.tensor([target_height]),
      torch.tensor([target_width]),
  ]).unsqueeze(0).to(device)
  

• 确保added_cond_kwargs不为空：在调用UNet的forward方法时，显式传入构造好的字典：

  added_cond_kwargs = {"text_embeds": text_embeds, "time_ids": time_ids}
  unet_output = self.unet(
      sample,
      timestep,
      encoder_hidden_states=encoder_hidden_states,
      added_cond_kwargs=added_cond_kwargs,
      return_dict=return_dict,
  )
  

• 检查参数传递链：从输入处理到UNet调用的每一步，确保added_cond_kwargs没有被意外置为None，所有依赖的参数（比如两个text encoder的输出、time_ids）都正确生成并传递。

额外注意 #

diffusers 0.18.2对SDXL的支持已经比较完善，但SDXL的UNet输入结构和SD 1.x/2.x差异很大，自定义Pipeline不能直接沿用旧逻辑，必须适配双text encoder、added_cond_kwargs这些新要求。

内容的提问来源于stack exchange，提问作者kamza