Diffusers documentation
AutoencoderKLKVAE
AutoencoderKLKVAE
Двумерная вариационная автокодирующая модель (VAE) с потерей KL.
Модель можно загрузить с помощью следующего фрагмента кода.
import torch
from diffusers import AutoencoderKLKVAE
vae = AutoencoderKLKVAE.from_pretrained("kandinskylab/KVAE-2D-1.0", subfolder="diffusers", dtype=torch.bfloat16)AutoencoderKLKVAE
класс diffusers.AutoencoderKLKVAE
< source >( in_channels: int = 3channels: int = 128num_enc_blocks: int = 2num_dec_blocks: int = 2z_channels: int = 16double_z: bool = Truech_mult: typing.Tuple[int, ...] = (1, 2, 4, 8)sample_size: int = 1024 )
Параметры
- in_channels (int, необязательный, по умолчанию 3) — Количество каналов во входном изображении.
- channels (int, необязательный, по умолчанию 128) — Базовое количество каналов в блоках мультиразрешения.
- num_enc_blocks (int, необязательный, по умолчанию 2) — Количество блоков Resnet в слоях кодировщика с мультиразрешением.
- num_dec_blocks (int, необязательный, по умолчанию 2) — Количество блоков Resnet в слоях декодера с мультиразрешением.
- z_channels (int, необязательный, по умолчанию 16) — Количество каналов в латентном пространстве.
- double_z (
bool, необязательный, по умолчаниюTrue) — Определяет, нужно ли удваивать количество выходных каналов энкодера. - ch_mult (
Tuple[int, ...], необязательный, по умолчанию(1, 2, 4, 8)) — Множители каналов в блоках мультиразрешения. - sample_size (
int, необязательный, по умолчанию1024) — Размер выборки входных данных.
Модель VAE с потерей KL для кодирования изображений в латенты и декодирования латентных представлений в изображения.
Эта модель наследуется от ModelMixin. См. документацию суперкласса для общих методов, реализованных для всех моделей (например, загрузка или сохранение).
decode
< source >( z: FloatTensorreturn_dict: bool = Truegenerator = None ) → ~models.vae.DecoderOutput or tuple
Параметры
- z (
torch.Tensor) — Входная партия латентных векторов. - return_dict (
bool, необязательный, по умолчаниюTrue) — Определяет, следует ли возвращать~models.vae.DecoderOutputвместо обычного кортежа.
Возвращает
~models.vae.DecoderOutput или tuple
Если return_dict равно True, возвращается ~models.vae.DecoderOutput, иначе возвращается обычный tuple.
Декодировать пакет изображений.
encode
< source >( x: Tensorreturn_dict: bool = True )
Кодирует пакет изображений в латенты.
forward
< source >( sample: Tensorsample_posterior: bool = Falsereturn_dict: bool = Truegenerator: typing.Optional[torch.Generator] = None ) → ~models.vae.DecoderOutput or tuple
Параметры
- sample (
torch.Tensor) — Входной образец. - sample_posterior (
bool, необязательный, по умолчаниюFalse) — Следует ли извлекать выборку из апостериорного распределения. - return_dict (
bool, необязательный, по умолчаниюTrue) — Определяет, следует ли возвращатьDecoderOutputвместо обычного кортежа. - generator (
torch.Generator, необязательный) —torch.Generatorдля обеспечения детерминированности выборки.
Возвращает
~models.vae.DecoderOutput или tuple
Если return_dict равно True, возвращается ~models.vae.DecoderOutput, в противном случае возвращается обычный tuple.
tiled_decode
< source >( z: Tensorreturn_dict: bool = True ) → ~models.vae.DecoderOutput or tuple
Параметры
- z (
torch.Tensor) — Входная партия латентных векторов. - return_dict (
bool, необязательный, по умолчаниюTrue) — Определяет, следует ли возвращать~models.vae.DecoderOutputвместо обычного кортежа.
Возвращает
~models.vae.DecoderOutput или tuple
Если return_dict равно True, возвращается ~models.vae.DecoderOutput, иначе возвращается обычный tuple.
Декодирование пакета изображений с использованием тайлованного декодера.