Diffusers

Join the Hugging Face community

and get access to the augmented documentation experience

Collaborate on models, datasets and Spaces

Faster examples with accelerated inference

Switch between documentation themes

to get started

BriaFiboTransformer2DModel

Un modelo Transformer de flux modificado de Bria

BriaFiboTransformer2DModel

clase 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 )

Parámetros

patch_size (int) — Tamaño del parche para dividir los datos de entrada en pequeños parches.
in_channels (int, opcional, valor predeterminado 16) — El número de canales en la entrada.
num_layers (int, opcional, valor predeterminado 18) — El número de capas de bloques MMDiT a utilizar.
num_single_layers (int, opcional, valor predeterminado 18) — El número de capas de bloques DiT individuales a utilizar.
attention_head_dim (int, opcional, valor predeterminado 64) — El número de canales en cada cabeza.
num_attention_heads (int, opcional, valor predeterminado 18) — El número de cabezas a utilizar para la atención multi-cabeza.
joint_attention_dim (int, opcional) — El número de dimensiones de encoder_hidden_states a utilizar.
pooled_projection_dim (int) — Número de dimensiones a utilizar al proyectar las pooled_projections.
guidance_embeds (bool, predeterminado en False) — Si se deben usar embeddings de guía.
… —

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 )

Parámetros

hidden_states (torch.FloatTensor de forma (batch size, channel, height, width)) — Estados ocultos de entrada hidden_states.
encoder_hidden_states (torch.FloatTensor de forma (batch size, sequence_len, embed_dims)) — Incrustaciones condicionales (incrustaciones calculadas a partir de las condiciones de entrada, como los prompts) que se deben utilizar.
text_encoder_layers (list de torch.Tensor) — Estados ocultos del codificador de texto por bloque, un tensor por bloque de transformer.
pooled_projections (torch.FloatTensor de forma (batch_size, projection_dim)) — Proyecciones de los embeddings de las condiciones de entrada.
timestep ( torch.LongTensor) — Se utiliza para indicar el paso de desruido.
img_ids (torch.Tensor) — ids de posición de imagen utilizados para calcular los embeddings posicionales rotatorios.
txt_ids (torch.Tensor) — ids de posición de texto utilizados para calcular los embeddings posicionales rotatorios.
guidance (torch.Tensor, opcional) — Incrustación de escala de orientación utilizada para las variantes destiladas por orientación del modelo.
joint_attention_kwargs (dict, opcional) — Un diccionario de kwargs que, si se especifica, se pasa al AttentionProcessor definido en self.processor dentro de diffusers.models.attention_processor.
return_dict (bool, opcional, valor predeterminado True) — Indica si se debe devolver un ~models.transformer_2d.Transformer2DModelOutput en lugar de una tupla simple.

Update on GitHub

←BriaFibo2Transformer2DModel BriaTransformer2DModel→