# EasyAnimateTransformer3DModel

تم تقديم نموذج [EasyAnimate](https://github.com/aigc-apps/EasyAnimate) لنموذج Diffusion Transformer للبيانات ثلاثية الأبعاد من Alibaba PAI.

يمكن تحميل النموذج باستخدام مقتطف الشيفرة التالي.

```python
from diffusers import EasyAnimateTransformer3DModel

transformer = EasyAnimateTransformer3DModel.from_pretrained("alibaba-pai/EasyAnimateV5.1-12b-zh", subfolder="transformer", dtype=torch.float16).to("cuda")  # or "mps", "xpu", "cpu"
```

## EasyAnimateTransformer3DModel[[diffusers.EasyAnimateTransformer3DModel]]

#### diffusers.EasyAnimateTransformer3DModel[[diffusers.EasyAnimateTransformer3DModel]]

```python
diffusers.EasyAnimateTransformer3DModel(num_attention_heads: int = 48, attention_head_dim: int = 64, in_channels: int | None = None, out_channels: int | None = None, patch_size: int | None = None, sample_width: int = 90, sample_height: int = 60, activation_fn: str = 'gelu-approximate', timestep_activation_fn: str = 'silu', freq_shift: int = 0, num_layers: int = 48, mmdit_layers: int = 48, dropout: float = 0.0, time_embed_dim: int = 512, add_norm_text_encoder: bool = False, text_embed_dim: int = 3584, text_embed_dim_t5: int = None, norm_eps: float = 1e-05, norm_elementwise_affine: bool = True, flip_sin_to_cos: bool = True, time_position_encoding_type: str = '3d_rope', after_norm = False, resize_inpaint_mask_directly: bool = True, enable_text_attention_mask: bool = True, add_noise_in_inpaint_model: bool = True)
```

[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_easyanimate.py#L316)

**المعاملات:**

num_attention_heads (`int`، القيمة الافتراضية `48`) : عدد الرؤوس المستخدمة في الانتباه متعدد الرؤوس.

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

in_channels (`int`، القيمة الافتراضية `16`) : عدد القنوات في المدخلات.

out_channels (`int`، *اختياري*، القيمة الافتراضية `16`) : عدد القنوات في المخرجات.

patch_size (`int`، القيمة الافتراضية `2`) : حجم البقع المستخدمة في طبقة تضمين البقع.

sample_width (`int`، القيمة الافتراضية `90`) : عرض الكامنات المدخلة.

sample_height (`int`، القيمة الافتراضية `60`) : ارتفاع الكامنات المدخلة.

activation_fn (`str`، القيمة الافتراضية `"gelu-approximate"`) : دالة التنشيط المستخدمة في الشبكة العصبية الأمامية.

timestep_activation_fn (`str`، الافتراضي `"silu"`) : دالة التنشيط المستخدمة عند توليد تضمينات خطوة الزمن.

num_layers (`int`، القيمة الافتراضية `30`) : عدد طبقات كتل Transformer المستخدمة.

mmdit_layers (`int`، القيمة الافتراضية `1000`) : عدد طبقات كتل Multi Modal Transformer المستخدمة.

dropout (`float`، القيمة الافتراضية `0.0`) : احتمال الإسقاط (dropout) المستخدم.

time_embed_dim (`int`، القيمة الافتراضية `512`) : بُعد المخرجات لتضمينات خطوات الزمن.

text_embed_dim (`int`، القيمة الافتراضية `4096`) : بُعد الإدخال لتضمينات النص من مُشفِّر النص.

norm_eps (`float`، القيمة الافتراضية `1e-5`) : قيمة الإيبسلون المستخدمة في طبقات التطبيع.

norm_elementwise_affine (`bool`، القيمة الافتراضية `True`) : ما إذا كان سيتم استخدام تحويل أفيني عنصرًا بعنصر في طبقات التطبيع.

flip_sin_to_cos (`bool`، القيمة الافتراضية `True`) : ما إذا كان يجب عكس sin إلى cos في تضمين الوقت.

time_position_encoding_type (`str`، الافتراضي `3d_rope`) : نوع ترميز موضع الزمن.

after_norm (`bool`، القيمة الافتراضية `False`) : علم لتطبيق التطبيع بعد ذلك.

resize_inpaint_mask_directly (`bool`، القيمة الافتراضية `True`) : علم لتغيير حجم قناع التعبئة مباشرةً.

enable_text_attention_mask (`bool`، القيمة الافتراضية `True`) : علم لتفعيل قناع انتباه النص.

add_noise_in_inpaint_model (`bool`، القيمة الافتراضية `False`) : علم لإضافة ضوضاء في نموذج inpaint.

نموذج Transformer لبيانات تشبه الفيديو في [EasyAnimate](https://github.com/aigc-apps/EasyAnimate).

#### forward[[diffusers.EasyAnimateTransformer3DModel.forward]]

```python
forward(hidden_states: Tensor, timestep: Tensor, timestep_cond: typing.Optional[torch.Tensor] = None, encoder_hidden_states: typing.Optional[torch.Tensor] = None, encoder_hidden_states_t5: typing.Optional[torch.Tensor] = None, inpaint_latents: typing.Optional[torch.Tensor] = None, control_latents: typing.Optional[torch.Tensor] = None, return_dict: bool = True)
```

[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_easyanimate.py#L461)

**المعاملات:**

hidden_states (`torch.Tensor` من الشكل `(batch_size, channels, num_frames, height, width)`) : مدخلات `hidden_states`.

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

timestep_cond (`torch.Tensor`، *اختياري*) : تضمينات شرطية لخطوة الزمن. إذا تم توفيرها، سيتم جمع التضمينات مع العينات المارة عبر طبقة `self.time_embedding` للحصول على تضمينات خطوة الزمن النهائية.

encoder_hidden_states (`torch.Tensor`، *اختياري*) : التضمينات الشرطية (التضمينات المحسوبة من شروط الإدخال مثل الأوامر النصية) التي سيتم استخدامها.

encoder_hidden_states_t5 (`torch.Tensor`، *اختياري*) : تضمينات شرطية إضافية محسوبة من مشفّر نص T5.

inpaint_latents (`torch.Tensor`، *اختياري*) : حالات كامنة مدمجة مع `hidden_states` لتنويعات النموذج الخاصة بتلوين الصور.

control_latents (`torch.Tensor`، *اختياري*) : حالات كامنة مدمجة مع `hidden_states` لتنويعات التحكم في النموذج.

return_dict (`bool`، *اختياري*، القيمة الافتراضية `True`) : ما إذا كان يجب إرجاع `~models.transformer_2d.Transformer2DModelOutput` 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 [EasyAnimateTransformer3DModel](/docs/diffusers/main/ar/api/models/easyanimate_transformer3d#diffusers.EasyAnimateTransformer3DModel) الأمامية.

## Transformer2DModelOutput[[diffusers.models.modeling_outputs.Transformer2DModelOutput]]

#### diffusers.models.modeling_outputs.Transformer2DModelOutput[[diffusers.models.modeling_outputs.Transformer2DModelOutput]]

```python
diffusers.models.modeling_outputs.Transformer2DModelOutput(sample: torch.Tensor)
```

[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/modeling_outputs.py#L21)

**المعاملات:**

sample (`torch.Tensor` من الشكل `(batch_size, num_channels, height, width)` أو `(batch size, num_vector_embeds - 1, num_latent_pixels)` إذا كان [Transformer2DModel](/docs/diffusers/main/ar/api/models/transformer2d#diffusers.Transformer2DModel) منفصلاً): مخرجات الحالات المخفية المشروطة على مدخل `encoder_hidden_states`. إذا كان منفصلاً، يعيد توزيعات الاحتمال للبكسلات الكامنة غير الملوثة.

مخرجات [Transformer2DModel](/docs/diffusers/main/ar/api/models/transformer2d#diffusers.Transformer2DModel).