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

نموذج Hunyuan-DiT لتحويل الانتشار (Diffusion Transformer) للبيانات ثنائية الأبعاد.

HunyuanDiT2DModel

فئة 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 )

المعاملات

  • num_attention_heads (int، اختياري، القيمة الافتراضية 16) — عدد الرؤوس المستخدمة في الانتباه متعدد الرؤوس.
  • attention_head_dim (int، اختياري، القيمة الافتراضية 88) — عدد القنوات في كل رأس.
  • in_channels (int، اختياري) — عدد القنوات في المدخلات والمخرجات (حدد ذلك إذا كانت المدخلات مستمرة).
  • patch_size (int, اختياري) — حجم الباتش (patch) المستخدم للمدخل.
  • activation_fn (str، اختياري، القيمة الافتراضية "geglu") — دالة التنشيط المستخدمة في الشبكة العصبية الأمامية.
  • sample_size (int, اختياري) — عرض الصور الكامنة. هذا ثابت أثناء التدريب لأنه يُستخدم لتعلم عدد من تضمينات المواقع.
  • dropout (float, اختياري، القيمة الافتراضية 0.0) — احتمالية dropout المستخدمة.
  • cross_attention_dim (int، اختياري) — عدد الأبعاد في تضمين نص clip.
  • hidden_size (int, اختياري) — حجم الطبقة المخفية في طبقات التضمين الشرطي.
  • num_layers (int، اختياري، القيمة الافتراضية 1) — عدد طبقات كتل Transformers التي سيتم استخدامها.
  • mlp_ratio (float، اختياري، القيمة الافتراضية 4.0) — نسبة حجم الطبقة المخفية إلى حجم المدخلات.
  • learn_sigma (bool، اختياري، الافتراضي True) — ما إذا كان سيتم التنبؤ بالتباين.
  • cross_attention_dim_t5 (int, اختياري) — عدد الأبعاد في تضمين نص t5.
  • pooled_projection_dim (int, اختياري) — حجم الإسقاط المجمّع.
  • text_len (int, اختياري) — طول تضمين نص المقطع.
  • text_len_t5 (int, اختياري) — طول تضمين نص T5.
  • use_style_cond_and_image_meta_size (bool، اختياري) — ما إذا كان سيتم استخدام شرط النمط وحجم البيانات الوصفية للصورة. القيمة True للإصدارات <=1.1، والقيمة False للإصدارات >= 1.2

HunYuanDiT: نموذج انتشار بهيكل أساسي من نوع Transformer.

ورث ModelMixin وConfigMixin لتكون متوافقة مع عينة StableDiffusionPipeline من diffusers.

enable_forward_chunking

< >

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

المعاملات

  • chunk_size (int، اختياري) — حجم الدفعة (chunk size) لطبقات التقدّم الأمامي. إذا لم يُحدَّد، فسيتم تشغيل طبقة التقدّم الأمامي بشكل فردي على كل متجه (tensor) ذي بُعد dim.
  • dim (int، اختياري، القيمة الافتراضية 0) — البُعد الذي يجب تقسيم عملية الحساب الأمامي (feed-forward) عليه. اختر بين dim=0 (الحزمة) أو dim=1 (طول التسلسل).

يحدد معالج الانتباه لاستخدام تقطيع الأمامي.

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 )

المعاملات

  • hidden_states (torch.Tensor من الشكل (batch size, dim, height, width)) — المصفوفة المدخلة.
  • timestep ( torch.LongTensor, اختياري) — يُستخدم للإشارة إلى خطوة إزالة الضوضاء.
  • encoder_hidden_states ( torch.Tensor من الشكل (batch size, sequence len, embed dims)، اختياري) — تضمينات شرطية لطبقة الانتباه المتقاطع. هذا هو ناتج BertModel.
  • text_embedding_mask — torch.Tensor يتم تطبيق قناع انتباه (attention mask) بأبعاد (batch, key_tokens) على encoder_hidden_states. هذا هو ناتج BertModel.
  • encoder_hidden_states_t5 ( torch.Tensor من الشكل (batch size, sequence len, embed dims)، اختياري) — تضمينات شرطية لطبقة الانتباه المتقاطع. هذا هو مخرج مُشفِّر النص T5.
  • text_embedding_mask_t5 — torch.Tensor يتم تطبيق قناع انتباه (attention mask) بأبعاد (batch, key_tokens) على encoder_hidden_states. هذا هو مخرج T5 Text Encoder.
  • image_meta_size (torch.Tensor) — تضمين شرطي يشير إلى أحجام الصور
  • style — torch.Tensor: تضمين شرطي يشير إلى الأسلوب
  • image_rotary_emb (torch.Tensor) — تضمينات الدوران الخاصة بالصورة التي تُطبَّق على متجهات الاستعلام والمفتاح أثناء حساب الانتباه.
  • controlnet_block_samples (list من torch.Tensor، اختياري) — قائمة من الموترات التي إذا تم تحديدها تُضاف إلى بقايا كتل التحوّل.
  • return_dict — bool ما إذا كان يجب إرجاع قاموس.

طريقة HunyuanDiT2DModel الأمامية.

fuse_qkv_projections

< >

( )

…

> هذه الواجهة البرمجية 🧪 تجريبية.

set_default_attn_processor

< >

( )

يعطّل معالجات الانتباه المخصصة ويضبط تطبيق الانتباه الافتراضي.

unfuse_qkv_projections

< >

( )

يعطّل إسقاط QKV المدمج إذا كان مفعّلًا.

> هذه الواجهة البرمجية 🧪 تجريبية.

Update on GitHub

←HiDreamImageTransformer2DModel HunyuanImageTransformer2DModel→