# GlmImageTransformer2DModel

GlmImageTransformer2DModel의 2D 데이터를 위한 Diffusion Transformer 모델 (TODO).

## GlmImageTransformer2DModel[[diffusers.GlmImageTransformer2DModel]]

#### diffusers.GlmImageTransformer2DModel[[diffusers.GlmImageTransformer2DModel]]

```python
diffusers.GlmImageTransformer2DModel(patch_size: int = 2, in_channels: int = 16, out_channels: int = 16, num_layers: int = 30, attention_head_dim: int = 40, num_attention_heads: int = 64, text_embed_dim: int = 1472, time_embed_dim: int = 512, condition_dim: int = 256, prior_vq_quantizer_codebook_size: int = 16384)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_glm_image.py#L503)

**매개변수:**

patch_size (`int`, 기본값 `2`) : 패치 임베딩 레이어에서 사용할 패치의 크기입니다.

in_channels (`int`, 기본값 `16`) : 입력의 채널 수.

num_layers (`int`, 기본값 `30`) : 사용할 Transformer 블록의 레이어 수입니다.

attention_head_dim (`int`, 기본값 `40`) : 각 헤드(head)의 채널 수.

num_attention_heads (`int`, 기본값 `64`) : multi-head attention에 사용할 헤드 수입니다.

out_channels (`int`, 기본값 `16`) : 출력의 채널 수.

text_embed_dim (`int`, 기본값 `1472`) : 텍스트 인코더에서 생성된 텍스트 임베딩의 입력 차원입니다.

time_embed_dim (`int`, 기본값 `512`) : timestep 임베딩의 출력 차원.

condition_dim (`int`, 기본값 `256`) : 입력 SDXL 스타일 해상도 조건(original_size, target_size, crop_coords)의 임베딩 차원입니다.

pos_embed_max_size (`int`, 기본값 `128`) : 위치 임베딩의 최대 해상도입니다. 여기서 `H x W` 모양의 슬라이스를 잘라 입력 패치된 잠재 변수(latents)에 더합니다. `H`와 `W`는 각각 잠재 변수의 높이와 너비를 나타냅니다. 값이 128인 경우, 이미지 생성에서 지원하는 최대 높이와 너비는 `128 * vae_scale_factor * patch_size => 128 * 8 * 2 => 2048`입니다.

sample_size (`int`, 기본값 `128`) : 입력 latents의 기본 해상도입니다. 생성 시 height/width가 제공되지 않으면, 이 값이 `sample_size * vae_scale_factor => 128 * 8 => 1024`로 해상도를 결정하는 데 사용됩니다.

#### forward[[diffusers.GlmImageTransformer2DModel.forward]]

```python
forward(hidden_states: Tensor, encoder_hidden_states: Tensor, prior_token_id: Tensor, prior_token_drop: Tensor, timestep: LongTensor, target_size: Tensor, crop_coords: Tensor, attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True, attention_mask: typing.Optional[torch.Tensor] = None, kv_caches: diffusers.models.transformers.transformer_glm_image.GlmImageKVCache | None = None, image_rotary_emb: tuple[torch.Tensor, torch.Tensor] | list[tuple[torch.Tensor, torch.Tensor]] | None = None)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_glm_image.py#L597)

**매개변수:**

hidden_states (`torch.Tensor`, shape `(batch_size, in_channels, height, width)`) : 입력 `hidden_states`.

encoder_hidden_states (`torch.Tensor`, shape `(batch_size, sequence_len, embed_dims)`) : 사용할 조건 임베딩(프롬프트와 같은 입력 조건에서 계산된 임베딩).

prior_token_id (`torch.Tensor`) : 이전 임베딩 조회를 위한 토큰 ID입니다.

prior_token_drop (`torch.Tensor`) : 어떤 이전 임베딩을 제거(제로 처리)할지를 나타내는 불리언 마스크.

timestep (`torch.LongTensor`) : 노이즈 제거 단계를 나타내는 데 사용됩니다.

target_size (`torch.Tensor`) : 대상 이미지 크기 조건.

crop_coords (`torch.Tensor`) : 크롭 좌표 조건화.

attention_kwargs (`dict`, *선택 사항*) : 지정된 경우 [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py)의 `self.processor` 아래에서 정의된 `AttentionProcessor`로 전달되는 kwargs 사전입니다.

return_dict (`bool`, *선택 사항*, 기본값 `True`) : 일반 튜플 대신 `~models.transformer_2d.Transformer2DModelOutput`을 반환할지 여부.

attention_mask (`torch.Tensor`, *선택 사항*) : 어텐션 점수에 적용되는 마스크.

kv_caches (`GlmImageKVCache`, *선택 사항*) : 추론 속도를 높이기 위해 사전 계산된 키/밸류 캐시입니다.

image_rotary_emb (`tuple` of `torch.Tensor`, *선택 사항*) : 사전 계산된 회전 위치 임베딩.

**반환값:**

`return_dict`가 True이면 `~models.transformer_2d.Transformer2DModelOutput`이 반환되고, 그렇지 않으면 첫 번째 요소가 샘플 텐서인 `tuple`이 반환됩니다.

[GlmImageTransformer2DModel](/docs/diffusers/main/ko/api/models/glm_image_transformer2d#diffusers.GlmImageTransformer2DModel)의 forward 메서드입니다.