Diffusers documentation
DiTTransformer2DModel
DiTTransformer2DModel
Um modelo Transformer para dados semelhantes a imagens do DiT.
DiTTransformer2DModel
classe diffusers.DiTTransformer2DModel
< source >( num_attention_heads: int = 16attention_head_dim: int = 72in_channels: int = 4out_channels: int | None = Nonenum_layers: int = 28dropout: float = 0.0norm_num_groups: int = 32attention_bias: bool = Truesample_size: int = 32patch_size: int = 2activation_fn: str = 'gelu-approximate'num_embeds_ada_norm: int | None = 1000upcast_attention: bool = Falsenorm_type: str = 'ada_norm_zero'norm_elementwise_affine: bool = Falsenorm_eps: float = 1e-05 )
Parâmetros
- num_attention_heads (int, opcional, padrão 16) — O número de cabeças a serem usadas para a atenção multi-cabeça.
- attention_head_dim (int, opcional, padrão 72) — O número de canais em cada head.
- in_channels (int, padrão 4) — O número de canais na entrada.
- out_channels (int, opcional) — O número de canais na saída. Especifique este parâmetro se o número de canais de saída for diferente do de entrada.
- num_layers (int, opcional, padrão 28) — O número de blocos de camadas de Transformer a serem usados.
- dropout (float, opcional, padrão 0.0) — A probabilidade de dropout a ser utilizada nos blocos do Transformer.
- norm_num_groups (int, opcional, padrão 32) — Número de grupos para normalização de grupo dentro dos blocos Transformer.
- attention_bias (bool, opcional, padrão True) — Configura se a atenção dos blocos do Transformer deve conter um parâmetro de viés.
- sample_size (int, padrão 32) — A largura das imagens latentes. Este parâmetro é fixo durante o treinamento.
- patch_size (int, padrão 2) — Tamanho dos patches processados pelo modelo, relevante para arquiteturas que trabalham com dados não sequenciais.
- activation_fn (str, opcional, padrão “gelu-approximate”) — Função de ativação a ser usada nas redes feed-forward dentro dos blocos Transformer.
- num_embeds_ada_norm (int, opcional, padrão 1000) — Número de embeddings para AdaLayerNorm, fixo durante o treinamento e afeta o número máximo de etapas de desruidamento durante a inferência.
- upcast_attention (bool, opcional, padrão False) — Se true, faz o upcast das dimensões do mecanismo de atenção para um desempenho potencialmente melhorado.
- norm_type (str, opcional, padrão “ada_norm_zero”) — Especifica o tipo de normalização utilizado, pode ser ‘ada_norm_zero’.
- norm_elementwise_affine (bool, opcional, padrão é False) — Se verdadeiro, habilita parâmetros afins por elemento nas camadas de normalização.
- norm_eps (float, opcional, padrão 1e-5) — Uma pequena constante adicionada ao denominador em camadas de normalização para evitar divisão por zero.
Um modelo Transformer 2D, conforme introduzido em DiT (https://huggingface.co/papers/2212.09748).
forward
< source >( hidden_states: Tensortimestep: typing.Optional[torch.LongTensor] = Noneclass_labels: typing.Optional[torch.LongTensor] = Nonecross_attention_kwargs: dict[str, typing.Any] = Nonereturn_dict: bool = True )
Parâmetros
- hidden_states (
torch.LongTensorde forma(batch size, num latent pixels)se discreto,torch.FloatTensorde forma(batch size, channel, height, width)se contínuo) — Entradahidden_states. - timestep (
torch.LongTensor, opcional) — Usado para indicar o passo de desruido. Timestep opcional a ser aplicado como um embedding emAdaLayerNorm. - class_labels (
torch.LongTensorde forma(batch size, num classes), opcional) — Usado para indicar rótulos de classe de condicionamento. Rótulos de classe opcionais a serem aplicados como um embedding emAdaLayerZeroNorm. - cross_attention_kwargs (
dict[str, Any], opcional) — Um dicionário de kwargs que, se especificado, é passado para oAttentionProcessorconforme definido emself.processorem diffusers.models.attention_processor. - return_dict (
bool, opcional, padrãoTrue) — Se deve ou não retornar um UNet2DConditionOutput em vez de uma tupla simples.
O método forward do DiTTransformer2DModel.