Diffusers documentation
BriaFiboTransformer2DModel
BriaFiboTransformer2DModel
Bria による修正版 flux Transformer モデル
BriaFiboTransformer2DModel
class diffusers.BriaFiboTransformer2DModel
< source >( patch_size: int = 1in_channels: int = 64num_layers: int = 19num_single_layers: int = 38attention_head_dim: int = 128num_attention_heads: int = 24joint_attention_dim: int = 4096pooled_projection_dim: int = Noneguidance_embeds: bool = Falseaxes_dims_rope: list[int] = [16, 56, 56]rope_theta = 10000time_theta = 10000text_encoder_dim: int = 2048 )
パラメータ
- patch_size (
int) — 入力データを小さなパッチに変換するためのパッチサイズ。 - in_channels (
int、任意、デフォルトは 16) — 入力におけるチャネル数。 - num_layers (
int、任意、デフォルトは 18) — 使用する MMDiT ブロックの層数。 - num_single_layers (
int, 任意、デフォルトは 18) — 使用する単一 DiT ブロックの層数。 - attention_head_dim (
int、任意、デフォルトは 64) — 各ヘッドのチャネル数。 - num_attention_heads (
int、任意、デフォルトは 18)— マルチヘッドアテンションに使用するヘッド数。 - joint_attention_dim (
int、任意) — 使用するencoder_hidden_statesの次元数。 - pooled_projection_dim (
int) —pooled_projectionsを射影する際に使用する次元数。 - guidance_embeds (
bool、デフォルトは False)— ガイダンス埋め込みを使用するかどうか。 - … —
forward
< source >( hidden_states: Tensorencoder_hidden_states: Tensor = Nonetext_encoder_layers: list = Nonepooled_projections: Tensor = Nonetimestep: LongTensor = Noneimg_ids: Tensor = Nonetxt_ids: Tensor = Noneguidance: Tensor = Nonejoint_attention_kwargs: dict[str, typing.Any] | None = Nonereturn_dict: bool = True )
パラメータ
- hidden_states (
torch.FloatTensor、形状(batch size, channel, height, width)) — 入力となるhidden_states。 - encoder_hidden_states (
torch.FloatTensor、shape(batch size, sequence_len, embed_dims)) — 使用する条件埋め込み（プロンプトなどの入力条件から計算される埋め込み）。 - text_encoder_layers (
listoftorch.Tensor) — 各 Transformer ブロックに対応するテキストエンコーダーの隠れ状態。ブロックごとに 1 つのテンソルを保持します。 - pooled_projections (
torch.FloatTensor、shape(batch_size, projection_dim)) — 入力条件の埋め込みから投影された埋め込みです。 - timestep (
torch.LongTensor) — デノイジングステップを示すために使用されます。 - img_ids (
torch.Tensor) — 回転位置埋め込みを計算するために使用される画像の位置 ID。 - txt_ids (
torch.Tensor) — 回転位置埋め込みを計算するために使用されるテキストの位置 ID。 - guidance (
torch.Tensor、任意) — モデルのガイダンス蒸留版で使用するガイダンススケール埋め込み。 - joint_attention_kwargs (
dict、省略可) — 指定された場合、diffusers.models.attention_processor で定義されているself.processor配下のAttentionProcessorに渡される kwargs の辞書です。 - return_dict (
bool、任意、デフォルトはTrue) — プレーンなタプルではなく~models.transformer_2d.Transformer2DModelOutputを返すかどうか。