Diffusers documentation
OvisImageTransformer2DModel
OvisImageTransformer2DModel
可以使用以下代码片段加载该模型。
from diffusers import OvisImageTransformer2DModel
transformer = OvisImageTransformer2DModel.from_pretrained("AIDC-AI/Ovis-Image-7B", subfolder="transformer", dtype=torch.bfloat16)OvisImageTransformer2DModel
class diffusers.OvisImageTransformer2DModel
< source >( patch_size: int = 1in_channels: int = 64out_channels: int | None = 64num_layers: int = 6num_single_layers: int = 27attention_head_dim: int = 128num_attention_heads: int = 24joint_attention_dim: int = 2048axes_dims_rope: tuple[int, int, int] = (16, 56, 56) )
参数
- patch_size (
int，默认为1) — 用于将输入数据划分为小块的块大小。 - in_channels (
int，默认为64) — 输入数据的通道数。 - out_channels (
int，可选，默认为None) — 输出通道数。如果未指定，则默认为in_channels。 - num_layers (
int，默认为6) — 要使用的双流 DiT 块层数。 - num_single_layers (
int，默认为27) — 要使用的单流 DiT 块层数。 - attention_head_dim (
int，默认为128) — 每个注意力头使用的维度数。 - num_attention_heads (
int，默认为24) — 要使用的注意力头数量。 - joint_attention_dim (
int，默认为2048) — 用于联合注意力的维度数（encoder_hidden_states的嵌入/通道维度）。 - axes_dims_rope (
tuple[int]，默认为(16, 56, 56)) — 用于旋转位置嵌入的维度。
Ovis-Image 中引入的 Transformer 模型。
参考：https://github.com/AIDC-AI/Ovis-Image
forward
< source >( hidden_states: Tensorencoder_hidden_states: Tensor = Nonetimestep: LongTensor = Noneimg_ids: Tensor = Nonetxt_ids: Tensor = Nonejoint_attention_kwargs: dict[str, typing.Any] | None = Nonereturn_dict: bool = True )
参数
- hidden_states（形状为
(batch_size, image_sequence_length, in_channels)的torch.Tensor）— 输入的hidden_states。 - encoder_hidden_states（形状为
(batch_size, text_sequence_length, joint_attention_dim)的torch.Tensor）— 要使用的条件嵌入（由输入条件（例如提示词）计算得出的嵌入）。 - timestep (
torch.LongTensor) — 用于指示去噪步骤。 - img_ids — (
torch.Tensor): 图像标记的位置 ID。 - txt_ids (
torch.Tensor) — 文本 token 的位置 ID。 - joint_attention_kwargs (
dict, 可选) — 一个 kwargs 字典，如果指定，将作为参数传递给 diffusers.models.attention_processor 中self.processor下定义的AttentionProcessor。 - return_dict (
bool，可选，默认为True) — 是否返回~models.transformer_2d.Transformer2DModelOutput而不是普通的元组。
OvisImageTransformer2DModel 的 forward 方法。