## LatteTransformer3DModel

نموذج [Latte](https://github.com/Vchitect/Latte) لتحويل الانتشار (Diffusion Transformer) للبيانات ثلاثية الأبعاد.

## LatteTransformer3DModel[[diffusers.LatteTransformer3DModel]]

#### diffusers.LatteTransformer3DModel[[diffusers.LatteTransformer3DModel]]

```python
diffusers.LatteTransformer3DModel(num_attention_heads: int = 16, attention_head_dim: int = 88, in_channels: int | None = None, out_channels: int | None = None, num_layers: int = 1, dropout: float = 0.0, cross_attention_dim: int | None = None, attention_bias: bool = False, sample_size: int = 64, patch_size: int | None = None, activation_fn: str = 'geglu', num_embeds_ada_norm: int | None = None, norm_type: str = 'layer_norm', norm_elementwise_affine: bool = True, norm_eps: float = 1e-05, caption_channels: int = None, video_length: int = 16)
```

[المصدر](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/latte_transformer_3d.py#L27)

#### forward[[diffusers.LatteTransformer3DModel.forward]]

```python
forward(hidden_states: Tensor, timestep: typing.Optional[torch.LongTensor] = None, encoder_hidden_states: typing.Optional[torch.Tensor] = None, encoder_attention_mask: typing.Optional[torch.Tensor] = None, enable_temporal_attentions: bool = True, return_dict: bool = True)
```

[المصدر](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/latte_transformer_3d.py#L166)

**المعاملات:**

hidden_states (`torch.Tensor` من الشكل `(batch size, channel, num_frame, height, width)`) : مدخلات `hidden_states`.

timestep ( `torch.LongTensor`, *اختياري*) : يُستخدم للإشارة إلى خطوة إزالة الضوضاء. خطوة زمنية اختيارية تُطبَّق كتضمين في `AdaLayerNorm`.

encoder_hidden_states ( `torch.FloatTensor` من الشكل `(batch size, sequence len, embed dims)`, *اختياري*) : تمثيلات شرطية لطبقة الانتباه المتقاطع. إذا لم تُقدَّم، فإن الانتباه المتقاطع يتحول افتراضيًا إلى الانتباه الذاتي.

encoder_attention_mask ( `torch.Tensor`, *اختياري*) : قناع الانتباه المتقاطع المطبّق على `encoder_hidden_states`. يتم دعم صيغتين:  * قناع `(batcheight, sequence_length)` حيث True = الإبقاء، False = التخلّي. * انحياز `(batcheight, 1, sequence_length)` حيث 0 = الإبقاء، -10000 = التخلّي.  إذا كان `ndim == 2`: سيتم تفسيره كقناع، ثم تحويله إلى انحياز متوافق مع الصيغة المذكورة أعلاه. سيُضاف هذا الانحياز إلى درجات الانتباه المتقاطع.

enable_temporal_attentions : (`bool`، *اختياري*، القيمة الافتراضية `True`): ما إذا كان سيتم تفعيل الانتباه الزمني.

return_dict (`bool`، *اختياري*، القيمة الافتراضية `True`) : ما إذا كان يجب إرجاع `~models.unet_2d_condition.UNet2DConditionOutput` بدلاً من tuple عادي.

**يعيد:**

إذا كان `return_dict` صحيحًا، يُعاد `~models.transformer_2d.Transformer2DModelOutput`، وإلا يُعاد `tuple` يكون عنصره الأول هو تينسور العينة.

طريقة [LatteTransformer3DModel](/docs/diffusers/v0.43.0/ar/api/models/latte_transformer3d#diffusers.LatteTransformer3DModel) الأمامية.