Diffusers documentation
LongCatImageTransformer2DModel
LongCatImageTransformer2DModel
O modelo pode ser carregado com o seguinte trecho de código.
from diffusers import LongCatImageTransformer2DModel
transformer = LongCatImageTransformer2DModel.from_pretrained("meituan-longcat/LongCat-Image ", subfolder="transformer", dtype=torch.bfloat16)LongCatImageTransformer2DModel
classe diffusers.LongCatImageTransformer2DModel
< 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 = 3584pooled_projection_dim: int = 3584axes_dims_rope: list[int] = [16, 56, 56] )
O modelo Transformer introduzido no Longcat-Image.
forward
< source >( hidden_states: Tensorencoder_hidden_states: Tensor = Nonetimestep: LongTensor = Noneimg_ids: Tensor = Nonetxt_ids: Tensor = Noneguidance: Tensor = Nonereturn_dict: bool = True )
Parâmetros
- hidden_states (
torch.FloatTensorde forma(batch size, channel, height, width)) —hidden_statesde entrada. - encoder_hidden_states (
torch.FloatTensorde forma(batch size, sequence_len, embed_dims)) — Incorporações condicionais (incorporações calculadas a partir das condições de entrada, como prompts) a serem usadas. - timestep (
torch.LongTensor) — Usado para indicar o passo de desruido. - img_ids (
torch.Tensor) — ids de posição de imagem usados para calcular os embeddings posicionais rotativos. - txt_ids (
torch.Tensor) — Ids de posição de texto usados para calcular os embeddings posicionais rotativos. - guidance (
torch.Tensor, opcional) — Embedding de escala de orientação usado para variantes destiladas por orientação do modelo. - return_dict (
bool, opcional, padrãoTrue) — Se deve ou não retornar um~models.transformer_2d.Transformer2DModelOutputem vez de uma tupla simples.
O método forward.