# ChromaTransformer2DModel

[Chroma](https://huggingface.co/lodestones/Chroma1-HD)の修正版flux Transformerモデル

## ChromaTransformer2DModel[[diffusers.ChromaTransformer2DModel]]

#### diffusers.ChromaTransformer2DModel[[diffusers.ChromaTransformer2DModel]]

```python
diffusers.ChromaTransformer2DModel(patch_size: int = 1, in_channels: int = 64, out_channels: int | None = None, num_layers: int = 19, num_single_layers: int = 38, attention_head_dim: int = 128, num_attention_heads: int = 24, joint_attention_dim: int = 4096, axes_dims_rope: tuple[int, ...] = (16, 56, 56), approximator_num_channels: int = 64, approximator_hidden_dim: int = 5120, approximator_layers: int = 5)
```

[ソース](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_chroma.py#L359)

**パラメータ:**

patch_size (`int`、デフォルトは`1`) : 入力データを小さなパッチに変換するためのパッチサイズ。

in_channels (`int`、デフォルトは`64`) : 入力におけるチャネル数。

out_channels (`int`、*任意*、デフォルトは `None`) : 出力のチャネル数です。指定しない場合、デフォルトで `in_channels` になります。

num_layers (`int`、デフォルトは`19`) : 使用するデュアルストリームDiTブロックの層数。

num_single_layers (`int`、デフォルトは`38`) : 使用する単一ストリームDiTブロックの層数。

attention_head_dim (`int`、デフォルトは`128`) : 各アテンションヘッドに使用する次元数。

num_attention_heads (`int`、デフォルトは`24`) : 使用するアテンションヘッドの数。

joint_attention_dim (`int`、デフォルトは`4096`) : 結合アテンションに使用する次元数（`encoder_hidden_states`の埋め込み/チャネル次元）。

axes_dims_rope (`tuple[int]`、デフォルトは`(16, 56, 56)`) : 回転位置埋め込みに使用する次元数。

Fluxで導入されたTransformerモデルを、Chroma用に修正したものです。

リファレンス: https://huggingface.co/lodestones/Chroma1-HD

#### forward[[diffusers.ChromaTransformer2DModel.forward]]

```python
forward(hidden_states: Tensor, encoder_hidden_states: Tensor = None, timestep: LongTensor = None, img_ids: Tensor = None, txt_ids: Tensor = None, attention_mask: Tensor = None, joint_attention_kwargs: dict[str, typing.Any] | None = None, controlnet_block_samples = None, controlnet_single_block_samples = None, return_dict: bool = True, controlnet_blocks_repeat: bool = False)
```

[ソース](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_chroma.py#L465)

**パラメータ:**

hidden_states (`torch.Tensor`、形状 `(batch_size, image_sequence_length, in_channels)`) : 入力 `hidden_states`。

encoder_hidden_states (`torch.Tensor`、shape `(batch_size, text_sequence_length, joint_attention_dim)`) : 使用する条件埋め込み（プロンプトなどの入力条件から計算される埋め込み）。

timestep ( `torch.LongTensor`) : デノイジングステップを示すために使用されます。

img_ids (`torch.Tensor`) : 回転位置埋め込みを計算するために使用される画像の位置 ID。

txt_ids (`torch.Tensor`) : 回転位置埋め込みを計算するために使用されるテキストの位置 ID。

attention_mask (`torch.Tensor`, *任意*) : 注意機構において`encoder_hidden_states`に適用されるマスク。

controlnet_block_samples (`list` of `torch.Tensor`, *optional*) : 指定された場合、transformer ブロックの残差に追加されるテンソルのリスト。

controlnet_single_block_samples (`list` of `torch.Tensor`, *optional*) : 指定された場合、単一の Transformer ブロックの残差に追加されるテンソルのリスト。

controlnet_blocks_repeat (`bool`, *任意*, デフォルトは `False`) : controlnet ブロックのサンプルをすべての transformer ブロックにわたって繰り返すかどうかを指定します。

joint_attention_kwargs (`dict`, *任意*) : 指定された場合、[diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py) の `self.processor` で定義されている `AttentionProcessor` に渡される kwargs の辞書です。

return_dict (`bool`、*任意*、デフォルトは`True`) : プレーンなタプルではなく`~models.transformer_2d.Transformer2DModelOutput`を返すかどうか。

**戻り値:**

`return_dict` が True の場合、`~models.transformer_2d.Transformer2DModelOutput` が返され、それ以外の場合は、最初の要素がサンプルテンソルである `tuple` が返されます。

[FluxTransformer2DModel](/docs/diffusers/v0.43.0/ja/api/models/flux_transformer#diffusers.FluxTransformer2DModel)のforwardメソッド。