Hugging Face's logo

Diffusers documentation

PiflowScheduler

You are viewing main version, which requires installation from source. If you'd like regular pip install, checkout the latest stable version (v0.42.1).
Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

PiflowScheduler

PiflowScheduler هو مُجدول الخطوات القليلة الخاص بنقاط التفتيش المُقطّرة من Kandinsky 6، لكلٍّ من نموذج النص/الصورة إلى الفيديو والصوت ونموذج تحسين دقة الفيديو، وكذلك نقاط التفتيش المُقطّرة من Kandinsky S2V 1.0. وهو ينفّذ π-Flow: حيث يتنبأ المُحوِّل (transformer) بـn_grid تقديرًا مُنظَّفًا من الضوضاء لكل قناة كامنة (latent) عند عدد صغير من نقاط الشبكة، بينما يقوم المُجدول بتكامل سياسة خالية من الشبكة بين هذه التقديرات.

يمكن العثور على التنفيذ المرجعي في Lakonik/LakonLab.

PiflowScheduler

فئة diffusers.PiflowScheduler

< >

( num_train_timesteps: int = 1000shift: float = 5.0n_grid: int = 10eps: float = 1e-06final_step_size_scale: float = 0.5num_policy_substeps: int = 128 )

المعاملات

  • num_train_timesteps (int، اختياري، القيمة الافتراضية 1000) — عدد خطوات الانتشار التدريبية.
  • shift (float, اختياري، القيمة الافتراضية 5.0) — إزاحة خطوة الزمن في مطابقة التدفق.
  • n_grid (int، اختياري، القيمة الافتراضية 10) — عدد التوقعات في مخرجات النموذج الموسّعة.
  • eps (float، اختياري، القيمة الافتراضية 1e-6) — الحد الأدنى لخطوة الزمن ومقام السياسة.
  • final_step_size_scale (float، اختياري، القيمة الافتراضية 0.5) — الحجم النسبي للمقطع الأخير من خطوات الزمن الخام.
  • num_policy_substeps (int، اختياري، القيمة الافتراضية 128) — الحد الأقصى لعدد خطوات التكامل الفرعية للسياسة لكل وحدة خطوة زمنية خام.

مجدول PiFlow متعدد الخطوات القليلة لتحويلات الانتشار ذات المخرجات الموسعة.

تقيّم PiFlow نموذج إزالة الضوضاء عند عدد صغير من نقاط الشبكة، وتدمج سياسة خالية من الشبكة بين تلك التقييمات. صُمم المجدول (scheduler) خصيصًا لنقاط التفتيش (checkpoints) المُقطّرة من Kandinsky 6، بما في ذلك النموذج الرئيسي للفيديو/الصوت ونموذج زيادة دقة الفيديو. يحتوي مخرَج النموذج لديهم على n_grid تنبؤات لكل قناة عينة.

يرث هذا المجدول من SchedulerMixin و ConfigMixin. راجع توثيق الفئة الأصلية لمعرفة الطرق العامة المُنفَّذة لجميع المجدولات (التحميل، الحفظ، إلخ).

set_timesteps

< >

( num_inference_steps: int | None = Nonedevice: typing.Union[str, torch.device, NoneType] = Nonesigmas: list[float] | None = Nonemu: float | None = Nonetimesteps: list[float] | None = None )

المعاملات

  • num_inference_steps (int) — عدد تقييمات النموذج.
  • device (str أو torch.device، اختياري) — الجهاز الخاص بالجدول الزمني.
  • sigmas (list[float]، اختياري) — جدول سيغما مخصص غير مدعوم.
  • mu (float، اختياري) — معامل إزاحة ديناميكية غير مدعوم.
  • timesteps (list[float]، اختياري) — جدول خطوات زمنية مخصص غير مدعوم.

اضبط جدول خطوات الزمن (timestep) للنموذج المُقطّر PiFlow.

خطوة

< >

( model_output: FloatTensortimestep: typing.Union[float, torch.FloatTensor]sample: FloatTensorreturn_dict: bool = True ) → [PiflowSchedulerOutput] or tuple

المعاملات

  • model_output (torch.FloatTensor) — مخرجات النموذج الموسّعة التي تحتوي على n_grid تنبؤات لكل قناة من عينات.
  • timestep (float أو torch.FloatTensor) — خطوة المجدول الحالية.
  • sample (torch.FloatTensor) — العينة الضجيجية الحالية.
  • return_dict (bool، اختياري، القيمة الافتراضية True) — ما إذا كان يجب إرجاع [PiflowSchedulerOutput].

يعيد

[PiflowSchedulerOutput] أو tuple

عينة محدّثة.

تقدّم خطوة واحدة من خلال دمج سياسة PiFlow.

PiflowSchedulerOutput

فئة diffusers.schedulers.scheduling_piflow.PiflowSchedulerOutput

< >

( prev_sample: Tensor )

المعاملات

  • prev_sample (torch.Tensor) — العينة المحسوبة عند نقطة شبكة PiFlow التالية. يجب استخدامها كمدخل لإزالة الضوضاء التالي.

فئة الإخراج لدالة step الخاصة بالجدول الزمني.

Update on GitHub

←MiniMaxH3Scheduler PNDMScheduler→