# DiTTransformer2DModel

Un modelo Transformer para datos similares a imágenes de [DiT](https://huggingface.co/papers/2212.09748).

## DiTTransformer2DModel[[diffusers.DiTTransformer2DModel]]

#### diffusers.DiTTransformer2DModel[[diffusers.DiTTransformer2DModel]]

```python
diffusers.DiTTransformer2DModel(num_attention_heads: int = 16, attention_head_dim: int = 72, in_channels: int = 4, out_channels: int | None = None, num_layers: int = 28, dropout: float = 0.0, norm_num_groups: int = 32, attention_bias: bool = True, sample_size: int = 32, patch_size: int = 2, activation_fn: str = 'gelu-approximate', num_embeds_ada_norm: int | None = 1000, upcast_attention: bool = False, norm_type: str = 'ada_norm_zero', norm_elementwise_affine: bool = False, norm_eps: float = 1e-05)
```

[Fuente](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/dit_transformer_2d.py#L31)

**Parámetros:**

num_attention_heads (int, opcional, predeterminado a 16) : El número de cabezas a utilizar para la atención multi-cabeza.

attention_head_dim (int, opcional, predeterminado a 72) : El número de canales en cada cabeza.

in_channels (int, por defecto 4) : El número de canales en la entrada.

out_channels (int, opcional) : El número de canales en la salida. Especifique este parámetro si el número de canales de salida difiere del de entrada.

num_layers (int, opcional, predeterminado a 28) : El número de capas de bloques Transformer a utilizar.

dropout (float, opcional, valor predeterminado 0.0) : La probabilidad de dropout a utilizar dentro de los bloques Transformer.

norm_num_groups (int, opcional, valor predeterminado 32) : Número de grupos para la normalización por grupo dentro de los bloques de Transformer.

attention_bias (bool, opcional, predeterminado a True) : Configura si la atención de los bloques Transformer debe incluir un parámetro de sesgo.

sample_size (int, por defecto 32) : El ancho de las imágenes latentes. Este parámetro es fijo durante el entrenamiento.

patch_size (int, por defecto 2) : Tamaño de los parches que procesa el modelo, relevante para arquitecturas que trabajan con datos no secuenciales.

activation_fn (str, opcional, predeterminado a "gelu-approximate") : Función de activación a utilizar en las redes feed-forward dentro de los bloques Transformer.

num_embeds_ada_norm (int, opcional, predeterminado a 1000) : Número de embeddings para AdaLayerNorm, fijo durante el entrenamiento y afecta los pasos máximos de desruido durante la inferencia.

upcast_attention (bool, opcional, predeterminado a False) : Si es true, aumenta las dimensiones del mecanismo de atención para un posible mejor rendimiento.

norm_type (str, opcional, valor predeterminado "ada_norm_zero") : especifica el tipo de normalización utilizado, puede ser 'ada_norm_zero'.

norm_elementwise_affine (bool, opcional, predeterminado a False) : Si es true, habilita los parámetros afines elemento a elemento en las capas de normalización.

norm_eps (float, opcional, valor predeterminado 1e-5) : Una constante pequeña que se suma al denominador en las capas de normalización para evitar la división por cero.

Un modelo Transformer 2D tal como se introdujo en DiT (https://huggingface.co/papers/2212.09748).

#### forward[[diffusers.DiTTransformer2DModel.forward]]

```python
forward(hidden_states: Tensor, timestep: typing.Optional[torch.LongTensor] = None, class_labels: typing.Optional[torch.LongTensor] = None, cross_attention_kwargs: dict[str, typing.Any] = None, return_dict: bool = True)
```

[Fuente](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/dit_transformer_2d.py#L148)

**Parámetros:**

hidden_states (`torch.LongTensor` de forma `(batch size, num latent pixels)` si es discreto, `torch.FloatTensor` de forma `(batch size, channel, height, width)` si es continuo) : `hidden_states` de entrada.

timestep ( `torch.LongTensor`, *opcional*) : Se utiliza para indicar el paso de desruido. Paso temporal opcional que se aplica como un embedding en `AdaLayerNorm`.

class_labels ( `torch.LongTensor` de forma `(batch size, num classes)`, *opcional*) : Se utiliza para indicar la condición de etiquetas de clase. Etiquetas de clase opcionales que se aplicarán como un embedding en `AdaLayerZeroNorm`.

cross_attention_kwargs ( `dict[str, Any]`, *opcional*) : Un diccionario de kwargs que, si se especifica, se pasa al `AttentionProcessor` definido bajo `self.processor` en [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py).

return_dict (`bool`, *opcional*, valor predeterminado `True`) : Indica si se debe devolver un [UNet2DConditionOutput](/docs/diffusers/v0.43.0/es/api/models/unet2d-cond#diffusers.models.unets.unet_2d_condition.UNet2DConditionOutput) en lugar de una tupla simple.

**Devuelve:**

Si `return_dict` es True, se devuelve un `~models.transformer_2d.Transformer2DModelOutput`; en caso contrario, se devuelve una `tuple` cuyo primer elemento es el tensor de la muestra.

El método forward de [DiTTransformer2DModel](/docs/diffusers/v0.43.0/es/api/models/dit_transformer2d#diffusers.DiTTransformer2DModel).