# DiTTransformer2DModel

Un modèle Transformer pour des données de type image issu 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)
```

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

**Paramètres :**

num_attention_heads (int, optionnel, par défaut 16) : Le nombre de têtes à utiliser pour l'attention multi-têtes.

attention_head_dim (int, optionnel, par défaut 72) : Le nombre de canaux dans chaque tête.

in_channels (int, par défaut 4) : Le nombre de canaux dans l'entrée.

out_channels (int, optionnel) : Le nombre de canaux dans la sortie. Spécifiez ce paramètre si le nombre de canaux de sortie diffère de celui de l'entrée.

num_layers (int, optionnel, par défaut 28) : Le nombre de blocs Transformer à utiliser.

dropout (float, facultatif, valeur par défaut 0.0) : La probabilité de dropout à utiliser dans les blocs Transformer.

norm_num_groups (int, optionnel, valeur par défaut 32) : Nombre de groupes pour la normalisation par groupe au sein des blocs Transformer.

attention_bias (bool, optionnel, par défaut True) : Configure si l'attention des blocs Transformer doit contenir un paramètre de biais.

sample_size (int, par défaut 32) : La largeur des images latentes. Ce paramètre est fixé pendant l'entraînement.

patch_size (int, par défaut 2) : Taille des patches que le modèle traite, pertinent pour les architectures fonctionnant sur des données non séquentielles.

activation_fn (str, optionnel, par défaut "gelu-approximate") : Fonction d'activation à utiliser dans les réseaux feed-forward au sein des blocs Transformer.

num_embeds_ada_norm (int, optionnel, par défaut 1000) : Nombre d'embeddings pour AdaLayerNorm, fixé pendant l'entraînement et affectant le nombre maximal d'étapes de débruitage lors de l'inférence.

upcast_attention (bool, optionnel, valeur par défaut False) : Si true, augmente les dimensions du mécanisme d'attention pour une performance potentiellement améliorée.

norm_type (str, optionnel, par défaut "ada_norm_zero") : spécifie le type de normalisation utilisé, peut être 'ada_norm_zero'.

norm_elementwise_affine (bool, optionnel, valeur par défaut False) : Si true, active les paramètres affines élément par élément dans les couches de normalisation.

norm_eps (float, facultatif, valeur par défaut 1e-5) : Une petite constante ajoutée au dénominateur des couches de normalisation pour éviter la division par zéro.

Un modèle Transformer 2D tel qu'introduit dans 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)
```

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

**Paramètres :**

hidden_states (`torch.LongTensor` de forme `(batch size, num latent pixels)` si discret, `torch.FloatTensor` de forme `(batch size, channel, height, width)` si continu) : `hidden_states` en entrée.

timestep ( `torch.LongTensor`, *facultatif*) : Sert à indiquer l'étape de débruitage. Pas de temps facultatif à appliquer en tant qu'embedding dans `AdaLayerNorm`.

class_labels ( `torch.LongTensor` de forme `(batch size, num classes)`, *facultatif*) : Utilisé pour indiquer le conditionnement par étiquettes de classe. Étiquettes de classe facultatives à appliquer sous forme d'embedding dans `AdaLayerZeroNorm`.

cross_attention_kwargs ( `dict[str, Any]`, *facultatif*) : Un dictionnaire de kwargs qui, s'il est spécifié, est transmis à l'`AttentionProcessor` tel que défini sous `self.processor` dans [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py).

return_dict (`bool`, *facultatif*, par défaut `True`) : Indique s'il faut retourner un [UNet2DConditionOutput](/docs/diffusers/v0.43.0/fr/api/models/unet2d-cond#diffusers.models.unets.unet_2d_condition.UNet2DConditionOutput) plutôt qu'un simple tuple.

**Retourne :**

Si `return_dict` est True, un `~models.transformer_2d.Transformer2DModelOutput` est renvoyé, sinon un `tuple` dont le premier élément est le tenseur d'échantillon.

La méthode forward du [DiTTransformer2DModel](/docs/diffusers/v0.43.0/fr/api/models/dit_transformer2d#diffusers.DiTTransformer2DModel).