Hugging Face's logo

Diffusers documentation

HunyuanDiT2DModel

Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

HunyuanDiT2DModel

Hunyuan-DiT'den 2B veriler için bir Diffusion Transformer modeli.

HunyuanDiT2DModel

sınıf diffusers.HunyuanDiT2DModel

< >

( num_attention_heads: int = 16attention_head_dim: int = 88in_channels: int | None = Nonepatch_size: int | None = Noneactivation_fn: str = 'gelu-approximate'sample_size = 32hidden_size = 1152num_layers: int = 28mlp_ratio: float = 4.0learn_sigma: bool = Truecross_attention_dim: int = 1024norm_type: str = 'layer_norm'cross_attention_dim_t5: int = 2048pooled_projection_dim: int = 1024text_len: int = 77text_len_t5: int = 256use_style_cond_and_image_meta_size: bool = True )

Parametreler

  • num_attention_heads (int, isteğe bağlı, varsayılan 16) — Çok başlı dikkat (multi-head attention) için kullanılacak baş sayısı.
  • attention_head_dim (int, isteğe bağlı, varsayılan 88) — Her baştaki kanal sayısı.
  • in_channels (int, isteğe bağlı) — Girdi ve çıktıdaki kanal sayısı (girdi sürekli ise belirtin).
  • patch_size (int, isteğe bağlı) — Girdi için kullanılacak yamanın boyutu.
  • activation_fn (str, isteğe bağlı, varsayılan "geglu") — İleri beslemeli ağda kullanılacak aktivasyon fonksiyonu.
  • sample_size (int, isteğe bağlı) — Gizli görüntülerin genişliği. Bu, eğitim sırasında sabittir çünkü bir dizi konum gömme (position embedding) öğrenmek için kullanılır.
  • dropout (float, isteğe bağlı, varsayılan 0.0) — Kullanılacak dropout olasılığı.
  • cross_attention_dim (int, isteğe bağlı) — clip metin gömme boyutu.
  • hidden_size (int, isteğe bağlı) — Koşullama gömme katmanlarındaki gizli katmanın boyutu.
  • num_layers (int, isteğe bağlı, varsayılan 1) — Kullanılacak Transformer bloklarının katman sayısı.
  • mlp_ratio (float, isteğe bağlı, varsayılan 4.0) — Gizli katman boyutunun giriş boyutuna oranı.
  • learn_sigma (bool, isteğe bağlı, varsayılan True) — Varyansın tahmin edilip edilmeyeceği.
  • cross_attention_dim_t5 (int, isteğe bağlı) — t5 metin gömme boyutundaki boyut sayısı.
  • pooled_projection_dim (int, isteğe bağlı) — Birleştirilmiş projeksiyonun boyutu.
  • text_len (int, isteğe bağlı) — Klip metin gömme uzunluğu.
  • text_len_t5 (int, isteğe bağlı) — T5 metin gömme uzunluğu.
  • use_style_cond_and_image_meta_size (bool, isteğe bağlı) — Stil koşulu ve görüntü meta boyutunun kullanılıp kullanılmayacağı. Sürüm <=1.1 için True, sürüm >= 1.2 için False

HunYuanDiT: Transformer omurgalı difüzyon modeli.

diffusers'taki StableDiffusionPipeline örnekleme cihazıyla uyumlu olmak için ModelMixin ve ConfigMixin sınıflarından devralın.

enable_forward_chunking

< >

( chunk_size: int | None = Nonedim: int = 0 )

Parametreler

  • chunk_size (int, isteğe bağlı) — İleri besleme katmanlarının parça boyutu. Belirtilmezse, ileri besleme katmanı dim boyutlu her tensör üzerinde ayrı ayrı çalıştırılır.
  • dim (int, isteğe bağlı, varsayılan 0) — İleri besleme (feed-forward) hesabının parçalanacağı boyut. dim=0 (batch) veya dim=1 (dizi uzunluğu) arasında seçim yapın.

Dikkat işleyicisini ileri besleme parçalama kullanacak şekilde ayarlar.

forward

< >

( hidden_statestimestepencoder_hidden_states = Nonetext_embedding_mask = Noneencoder_hidden_states_t5 = Nonetext_embedding_mask_t5 = Noneimage_meta_size = Nonestyle = Noneimage_rotary_emb = Nonecontrolnet_block_samples = Nonereturn_dict = True )

Parametreler

  • hidden_states (torch.Tensor, şekli (batch size, dim, height, width)) — Girdi tensörü.
  • timestep ( torch.LongTensor, isteğe bağlı) — Gürültü azaltma adımını belirtmek için kullanılır.
  • encoder_hidden_states ( torch.Tensor of shape (batch size, sequence len, embed dims), isteğe bağlı) — Çapraz dikkat katmanı için koşullu gömme değerleri. Bu, BertModel çıktısıdır.
  • text_embedding_mask — torch.Tensor encoder_hidden_states’e (batch, key_tokens) biçiminde bir dikkat maskesi uygulanır. Bu, BertModel çıktısıdır.
  • encoder_hidden_states_t5 ( torch.Tensor, şekli (batch size, sequence len, embed dims), opsiyonel) — Çapraz dikkat katmanı için koşullu gömme değerleri. Bu, T5 Metin Kodlayıcısının çıktısıdır.
  • text_embedding_mask_t5 — torch.Tensor encoder_hidden_states’e (batch, key_tokens) biçiminde bir dikkat maskesi uygulanır. Bu, T5 Text Encoder’ın çıktısıdır.
  • image_meta_size (torch.Tensor) — Görsel boyutlarını gösteren koşullu gömme
  • style — torch.Tensor: Stili gösteren koşullu gömme
  • image_rotary_emb (torch.Tensor) — Dikkat hesabı sırasında sorgu ve anahtar tensörlerine uygulanacak görüntü döner gömme değerleri.
  • controlnet_block_samples (list of torch.Tensor, isteğe bağlı) — Belirtilirse, transformer bloklarının artıklarına eklenen tensörlerin listesi.
  • return_dict — bool Sözlük döndürülüp döndürülmediğini belirtir.

HunyuanDiT2DModel ileri yöntemi.

fuse_qkv_projections

< >

( )

Füzyonlu QKV projeksiyonlarını etkinleştirir. Kendi dikkat (self-attention) modülleri için tüm projeksiyon matrisleri (yani sorgu, anahtar, değer) füzyonlanır. Çapraz dikkat (cross-attention) modülleri için anahtar ve değer projeksiyon matrisleri füzyonlanır.

> Bu API 🧪 deneyseldir.

set_default_attn_processor

< >

( )

Özel dikkat işleyicilerini devre dışı bırakır ve varsayılan dikkat uygulamasını ayarlar.

unfuse_qkv_projections

< >

( )

Etkinleştirilmişse birleşik QKV projeksiyonunu devre dışı bırakır.

> Bu API 🧪 deneyseldir.

Update on GitHub

←HiDreamImageTransformer2DModel HunyuanImageTransformer2DModel→