# نموذج SD3 Transformer

نموذج Transformer الذي تم تقديمه في [Stable Diffusion 3](https://hf.co/papers/2403.03206). تكمن جديته في كتلة MMDiT transformer.

## SD3Transformer2DModel[[diffusers.SD3Transformer2DModel]]

#### diffusers.SD3Transformer2DModel[[diffusers.SD3Transformer2DModel]]

```python
diffusers.SD3Transformer2DModel(sample_size: int = 128, patch_size: int = 2, in_channels: int = 16, num_layers: int = 18, attention_head_dim: int = 64, num_attention_heads: int = 18, joint_attention_dim: int = 4096, caption_projection_dim: int = 1152, pooled_projection_dim: int = 2048, out_channels: int = 16, pos_embed_max_size: int = 96, dual_attention_layers: tuple[int, ...] = (), qk_norm: str | None = None)
```

[المصدر](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_sd3.py#L79)

**المعاملات:**

sample_size (`int`، القيمة الافتراضية `128`) : عرض/ارتفاع الكمونيات. يتم تثبيت هذا أثناء التدريب لأنه يُستخدم لتعلم عدد من تضمينات المواقع.

patch_size (`int`، القيمة الافتراضية `2`) : حجم الباتش لتحويل البيانات المدخلة إلى باتشات صغيرة.

in_channels (`int`، القيمة الافتراضية `16`) : عدد قنوات الحالة الكامنة في المدخلات.

num_layers (`int`، القيمة الافتراضية `18`) : عدد طبقات كتل التحويل (transformer blocks) المستخدمة.

attention_head_dim (`int`، القيمة الافتراضية `64`) : عدد القنوات في كل رأس.

num_attention_heads (`int`، القيمة الافتراضية `18`) : عدد الرؤوس المستخدمة في الانتباه متعدد الرؤوس.

joint_attention_dim (`int`، القيمة الافتراضية `4096`) : بُعد التضمين (embedding dimension) المستخدم للانتباه المشترك بين النص والصورة.

caption_projection_dim (`int`، القيمة الافتراضية `1152`) : بُعد التضمين لتضمينات الوصف.

pooled_projection_dim (`int`، القيمة الافتراضية `2048`) : بُعد التضمين (embedding) لإسقاطات النص المجمعة.

out_channels (`int`، القيمة الافتراضية `16`) : عدد قنوات الحالة الكامنة في المخرجات.

pos_embed_max_size (`int`، القيمة الافتراضية `96`) : أقصى ارتفاع/عرض كامن لتضمينات الموضع.

dual_attention_layers (`tuple[int, ...]`، الافتراضي `()`) : عدد كتل الترانسفورمر ذات التدفق المزدوج التي سيتم استخدامها.

qk_norm (`str`، *اختياري*، القيمة الافتراضية `None`) : طريقة التطبيع المستخدمة للاستعلام والمفتاح في طبقة الانتباه. إذا كانت `None`، فلا يُستخدم أي تطبيع.

نموذج Transformer الذي تم تقديمه في [Stable Diffusion 3](https://huggingface.co/papers/2403.03206).

#### enable_forward_chunking[[diffusers.SD3Transformer2DModel.enable_forward_chunking]]

```python
enable_forward_chunking(chunk_size: int | None = None, dim: int = 0)
```

[المصدر](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_sd3.py#L175)

**المعاملات:**

chunk_size (`int`, *اختياري*) : حجم الدفعة (chunk size) لطبقات التغذية الأمامية. إذا لم يُحدد، فسيتم تشغيل طبقة التغذية الأمامية 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](https://huggingface.co/blog/reformer#2-chunked-feed-forward-layers).

#### forward[[diffusers.SD3Transformer2DModel.forward]]

```python
forward(hidden_states: Tensor, encoder_hidden_states: Tensor = None, pooled_projections: Tensor = None, timestep: LongTensor = None, block_controlnet_hidden_states: list = None, joint_attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True, skip_layers: list[int] | None = None)
```

[المصدر](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_sd3.py#L248)

**المعاملات:**

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

encoder_hidden_states (`torch.Tensor` من الشكل `(batch size, sequence_len, embed_dims)`) : التضمينات الشرطية (التضمينات المحسوبة من الشروط المدخلة مثل الأوامر) للاستخدام.

pooled_projections (`torch.Tensor` من الشكل `(batch_size, projection_dim)`) : تمثيلات مُسقطَة من تمثيلات شروط الإدخال.

timestep (`torch.LongTensor`) : يُستخدم للإشارة إلى خطوة إزالة الضوضاء.

block_controlnet_hidden_states (`list` من `torch.Tensor`) : قائمة من الموترات التي، إذا تم تحديدها، تُضاف إلى بقايا كتل التحويل.

joint_attention_kwargs (`dict`، *اختياري*) : قاموس kwargs يُمرَّر إلى `AttentionProcessor` إذا تم تحديده، كما هو معرَّف تحت `self.processor` في [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py).

return_dict (`bool`، *اختياري*، القيمة الافتراضية `True`) : ما إذا كان يجب إرجاع `~models.transformer_2d.Transformer2DModelOutput` بدلاً من tuple عادي.

skip_layers (`list` من `int`، *اختياري*) : قائمة بمؤشرات الطبقات التي يجب تجاوزها أثناء المرور الأمامي.

**يعيد:**

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

طريقة [SD3Transformer2DModel](/docs/diffusers/v0.43.0/ar/api/models/sd3_transformer2d#diffusers.SD3Transformer2DModel) الأمامية.

#### fuse_qkv_projections[[diffusers.SD3Transformer2DModel.fuse_qkv_projections]]

```python
fuse_qkv_projections()
```

[المصدر](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_sd3.py#L217)

…

> [!WARNING] > هذه الواجهة البرمجية 🧪 تجريبية.

#### unfuse_qkv_projections[[diffusers.SD3Transformer2DModel.unfuse_qkv_projections]]

```python
unfuse_qkv_projections()
```

[المصدر](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_sd3.py#L239)

يعطّل إسقاط QKV المدمج إذا كان مفعّلًا.

> [!WARNING] > هذه الواجهة البرمجية 🧪 تجريبية.