参数

• num_train_timesteps (int，默认为 1000) — 用于训练模型的扩散步数。
• beta_start (float，默认为 0.0001) — 推理的起始 beta 值。
• beta_end (float，默认为 0.02) — 最终的 beta 值。
• beta_schedule（"linear"、"scaled_linear" 或 "squaredcos_cap_v2"，默认为 "linear"）—— beta 调度，即将 beta 范围映射为用于模型步进的一系列 beta 值。
• trained_betas (np.ndarray, 可选) — 直接传入 betas 数组到构造函数中，以绕过 beta_start 和 beta_end。
• skip_prk_steps (bool，默认为 False) — 允许调度器跳过原始论文中定义的、在 PLMS 步骤之前所需的 Runge-Kutta 步骤。
• set_alpha_to_one (bool，默认为 False) — 每个扩散步骤都会使用当前步骤和上一步骤的 alpha 乘积值。对于最后一步，不存在上一步的 alpha。当此选项为 True 时，上一步的 alpha 乘积固定为 1，否则使用第 0 步的 alpha 值。
• prediction_type（"epsilon" 或 "v_prediction"，默认为 "epsilon"）— 调度器函数的预测类型；可以是 epsilon（预测扩散过程的噪声）或 v_prediction（参见 Imagen Video 论文的第 2.4 节）。
• timestep_spacing（"linspace"、"leading" 或 "trailing"，默认为 "leading"）— 时间步的缩放方式。更多信息请参阅 常见的扩散噪声调度和采样步骤存在缺陷 中的表 2。
• steps_offset（int，默认为 0）— 添加到推理步数中的偏移量，某些模型系列需要此参数。

参数

• prev_sample（对于图像，形状为 (batch_size, num_channels, height, width) 的 torch.Tensor）— 前一时间步的已计算样本 (x_{t-1})。在去噪循环中，应将 prev_sample 用作下一个模型输入。