Hugging Face's logo

Diffusers documentation

FlowMatchHeunDiscreteScheduler

You are viewing main version, which requires installation from source. If you'd like regular pip install, checkout the latest stable version (v0.42.1).
Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

FlowMatchHeunDiscreteScheduler

FlowMatchHeunDiscreteScheduler didasarkan pada pengambilan sampel flow-matching yang diperkenalkan dalam EDM.

FlowMatchHeunDiscreteScheduler

kelas diffusers.FlowMatchHeunDiscreteScheduler

< >

( num_train_timesteps: int = 1000shift: float = 1.0 )

Parameter

  • num_train_timesteps (int, defaultnya 1000) — Jumlah langkah difusi untuk melatih model.
  • shift (float, defaultnya 1.0) — Nilai shift untuk jadwal timestep.

Scheduler Heun.

Model ini mewarisi dari SchedulerMixin dan ConfigMixin. Periksa dokumentasi kelas induk untuk metode generik yang diimplementasikan pustaka ini untuk semua scheduler, seperti pemuatan dan penyimpanan.

index_for_timestep

< >

( timestep: typing.Union[float, torch.FloatTensor]schedule_timesteps: typing.Optional[torch.FloatTensor] = None ) → int

Parameter

  • timestep (float atau torch.FloatTensor) — Nilai timestep yang akan dicari dalam jadwal.
  • schedule_timesteps (torch.FloatTensor, opsional) — Jadwal timestep yang akan dicari. Jika None, gunakan self.timesteps.

Mengembalikan

int

Indeks timestep dalam jadwal.

Cari indeks dari timestep tertentu dalam jadwal timestep.

scale_noise

< >

( sample: FloatTensortimestep: typing.Union[float, torch.FloatTensor]noise: FloatTensor ) → torch.FloatTensor

Parameter

  • sample (torch.FloatTensor) — Contoh input.
  • timestep (float atau torch.FloatTensor) — Langkah waktu saat ini dalam rantai difusi.
  • noise (torch.FloatTensor) — Tensor noise.

Mengembalikan

torch.FloatTensor

Contoh input yang diskalakan.

Proses maju dalam flow-matching

set_begin_index

< >

( begin_index: int = 0 )

Parameter

  • begin_index (int, defaultnya 0) — Indeks awal untuk scheduler.

Menetapkan indeks awal untuk penjadwal. Fungsi ini harus dijalankan dari pipeline sebelum inferensi.

set_timesteps

< >

( num_inference_steps: intdevice: typing.Union[str, torch.device] = None )

Parameter

  • num_inference_steps (int) — Jumlah langkah difusi yang digunakan saat menghasilkan sampel dengan model terlatih.
  • device (str atau torch.device, opsional) — Perangkat tempat timesteps harus dipindahkan. Jika None, timesteps tidak dipindahkan.

Menetapkan langkah waktu diskrit yang digunakan untuk rantai difusi (untuk dijalankan sebelum inferensi).

langkah

< >

( model_output: FloatTensortimestep: typing.Union[float, torch.FloatTensor]sample: FloatTensors_churn: float = 0.0s_tmin: float = 0.0s_tmax: float = infs_noise: float = 1.0generator: typing.Optional[torch.Generator] = Nonereturn_dict: bool = True ) → FlowMatchHeunDiscreteSchedulerOutput or tuple

Parameter

  • model_output (torch.FloatTensor) — Output langsung dari model difusi yang dipelajari.
  • timestep (float atau torch.FloatTensor) — Langkah waktu diskret saat ini dalam rantai difusi.
  • sample (torch.FloatTensor) — Instans saat ini dari sampel yang dibuat oleh proses difusi.
  • s_churn (float) — Parameter stokastisitas yang mengatur jumlah noise yang ditambahkan selama sampling. Nilai yang lebih tinggi meningkatkan keacakan.
  • s_tmin (float) — Ambang batas timestep minimum untuk menerapkan stochasticity. Hanya timestep di atas nilai ini yang akan ditambahkan noise.
  • s_tmax (float) — Ambang batas timestep maksimum untuk menerapkan stochasticity. Hanya timestep di bawah nilai ini yang akan ditambahkan noise.
  • s_noise (float, defaultnya 1.0) — Faktor penskalaan untuk noise yang ditambahkan ke sampel.
  • generator (torch.Generator, opsional) — Generator angka acak.
  • return_dict (bool) — Apakah akan mengembalikan tuple FlowMatchHeunDiscreteSchedulerOutput.

Mengembalikan

FlowMatchHeunDiscreteSchedulerOutput atau tuple

If return_dict is True, FlowMatchHeunDiscreteSchedulerOutput dikembalikan, sebaliknya sebuah tuple dikembalikan di mana elemen pertama adalah tensor sampel.

Prediksi sampel dari langkah waktu sebelumnya dengan membalik SDE. Fungsi ini menyebarkan proses difusi dari keluaran model yang dipelajari (paling sering berupa noise yang diprediksi).

Update on GitHub

←FlowMatchEulerDiscreteScheduler HeliosDMDScheduler→