Hugging Face's logo

Diffusers documentation

RFD4ProteinaScheduler

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

RFD4ProteinaScheduler

RFD4ProteinaScheduler é o amostrador de fluxo com reescalonamento da pontuação temporal do RFD4-Proteína para uma modalidade. O pipeline usa duas instâncias, uma para o backbone (bb_ca, coordenadas em nanômetros) e outra para os latentes locais por token (local_latents), cada uma com seu próprio cronograma de tempo, cronograma de ruído e reescalonamento. Veja RFD4ProteinaPipeline para o loop de amostragem.

RFD4ProteinaScheduler

classe diffusers.RFD4ProteinaScheduler

< >

( schedule_mode: strnoise_mode: strtsr_k: floattsr_sigma: floattail_steps: int = 10tail_step_multiplier: int = 2t_lim_ode: float = 0.95t_lim_ode_below: float = 0.02 )

Parâmetros

  • schedule_mode (str) — Espaçamento dos tempos entre ruído e dados: "log" ou "power".
  • noise_mode (str) — Formato do ruído injetado na janela estocástica: "1/t" ou "tan".
  • tsr_k (float) — Quão baixa a temperatura de amostragem fica; quanto maior, mais baixa.
  • tsr_sigma (float) — Quão rápido a baixa temperatura é atingida; valores maiores significam mais rápido.
  • tail_steps (int, padrão 10) — Número de intervalos finais que são mais finos que os demais por tail_step_multiplier.
  • tail_step_multiplier (int, padrão 2) — Quão mais finos são os intervalos finais.
  • t_lim_ode (float, padrão 0.95) — Acima deste tempo, o passo é determinístico.
  • t_lim_ode_below (float, padrão 0.02) — Abaixo deste tempo, o passo é determinístico.

Amostrador de fluxo com reescalonamento de pontuação temporal para uma modalidade do RFD4-Proteína.

O pipeline integra duas modalidades, o backbone e os latentes locais por token, cada uma com um agendador. Elas diferem em seu agendamento de tempo, agendamento de ruído e reescalonamento.

Chame set_timesteps antes da amostragem. Os tempos aumentam do ruído em direção aos dados limpos. Um agendador rastreia o intervalo atual e não deve ser compartilhado por gerações concorrentes.

set_timesteps

< >

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

Parâmetros

  • num_inference_steps (int) — Número de intervalos de integração.
  • device (str ou torch.device, opcional) — Dispositivo para timesteps. Os comprimentos dos intervalos e os coeficientes de ruído permanecem na CPU.
  • start_time (float, opcional) — Tempo inicial da difusão parcial em [0, 1). Omita para geração completa.

Resolve o cronograma e reinicia o cursor de integração.

add_noise

< >

( original_samples: Tensornoise: Tensortimesteps: typing.Union[float, torch.Tensor] )

Parâmetros

  • original_samples (torch.Tensor) — Estado limpo (batch, tokens, D).
  • noise (torch.Tensor) — Ruído da mesma forma, extraído pelo chamador.
  • timesteps (float ou torch.Tensor) — Tempo em [0, 1), um escalar ou (batch,).

Amostrar a marginal direta (1 - t) * noise + t * clean.

etapa

< >

( model_output: Tensortimestep: Tensorsample: Tensoremit_mask: Tensorgenerator: typing.Union[torch.Generator, list[torch.Generator], NoneType] = Nonereturn_dict: bool = True ) → RFD4ProteinaSchedulerOutput or tuple

Parâmetros

  • model_output (torch.Tensor) — Velocidade prevista, com a mesma forma de sample.
  • timestep (torch.Tensor) — O próximo elemento de timesteps. Passos fora de ordem são rejeitados.
  • sample (torch.Tensor) — Estado atual (B, N, D).
  • emit_mask (torch.Tensor) — (B, N) booleano, verdadeiro para os tokens que são atualizados (não contexto ou padding).
  • generator (torch.Generator ou list[torch.Generator], opcional) — Um gerador para uma única linha ou geradores distintos para cada linha do lote. Omiti-los usa o fluxo global.
  • return_dict (bool, padrão True) — Retorna RFD4ProteinaSchedulerOutput; caso contrário, uma tupla de um item contendo o estado.

Retorna

RFD4ProteinaSchedulerOutput ou tuple

O estado atualizado.

Avance um intervalo de integração e atualize step_index.

RFD4ProteinaSchedulerOutput

classe diffusers.schedulers.scheduling_rfd4_proteina.RFD4ProteinaSchedulerOutput

< >

( prev_sample: Tensor )

Parâmetros

  • prev_sample (torch.Tensor) — O estado após o passo, com forma (B, N, D): D é 3 para o backbone (coordenadas em nanômetros) e a largura latente para os latentes locais.

Estado atualizado de uma modalidade.

Update on GitHub

←RePaintScheduler ScoreSdeVeScheduler→