Diffusers documentation
Tiny AutoEncoder
Tiny AutoEncoder
O Tiny AutoEncoder for Stable Diffusion (TAESD) foi introduzido em madebyollin/taesd por Ollin Boer Bohan. Trata-se de uma versão pequena e destilada do VAE do Stable Diffusion que consegue decodificar rapidamente os latentes em um StableDiffusionPipeline ou StableDiffusionXLPipeline quase instantaneamente.
Para usar com Stable Diffusion v-2.1:
import torch
from diffusers import DiffusionPipeline, AutoencoderTiny
pipe = DiffusionPipeline.from_pretrained(
"stabilityai/stable-diffusion-2-1-base", dtype=torch.float16
)
pipe.vae = AutoencoderTiny.from_pretrained("madebyollin/taesd", dtype=torch.float16)
pipe = pipe.to("cuda") # or "mps", "xpu", "cpu"
prompt = "slice of delicious New York-style berry cheesecake"
image = pipe(prompt, num_inference_steps=25).images[0]
imagePara usar com Stable Diffusion XL 1.0
import torch
from diffusers import DiffusionPipeline, AutoencoderTiny
pipe = DiffusionPipeline.from_pretrained(
"stabilityai/stable-diffusion-xl-base-1.0", dtype=torch.float16
)
pipe.vae = AutoencoderTiny.from_pretrained("madebyollin/taesdxl", dtype=torch.float16)
pipe = pipe.to("cuda") # or "mps", "xpu", "cpu"
prompt = "slice of delicious New York-style berry cheesecake"
image = pipe(prompt, num_inference_steps=25).images[0]
imageAutoencoderTiny
classe diffusers.AutoencoderTiny
< source >( in_channels: int = 3out_channels: int = 3encoder_block_out_channels: tuple = (64, 64, 64, 64)decoder_block_out_channels: tuple = (64, 64, 64, 64)act_fn: str = 'relu'upsample_fn: str = 'nearest'latent_channels: int = 4upsampling_scaling_factor: int = 2num_encoder_blocks: tuple = (1, 3, 3, 3)num_decoder_blocks: tuple = (3, 3, 3, 1)latent_magnitude: int = 3latent_shift: float = 0.5force_upcast: bool = Falsescaling_factor: float = 1.0shift_factor: float = 0.0 )
Parâmetros
- in_channels (
int, opcional, padrão 3) — Número de canais na imagem de entrada. - out_channels (
int, opcional, padrão 3) — Número de canais na saída. - encoder_block_out_channels (
tuple[int], opcional, padrão(64, 64, 64, 64)) — tupla de inteiros que representa o número de canais de saída para cada bloco do codificador. O comprimento da tupla deve ser igual ao número de blocos do codificador. - decoder_block_out_channels (
tuple[int], opcional, padrão(64, 64, 64, 64)) — tupla de inteiros que representa o número de canais de saída para cada bloco do decodificador. O comprimento da tupla deve ser igual ao número de blocos do decodificador. - act_fn (
str, opcional, padrão"relu") — Função de ativação a ser usada em todo o modelo. - latent_channels (
int, opcional, padrão 4) — Número de canais na representação latente. O espaço latente atua como uma representação comprimida da imagem de entrada. - upsampling_scaling_factor (
int, opcional, padrão 2) — Fator de escala para o upsampling no decodificador. Ele determina o tamanho da imagem de saída durante o processo de upsampling. - num_encoder_blocks (
tuple[int], opcional, padrão(1, 3, 3, 3)) — tupla de inteiros que representa o número de blocos de codificador em cada etapa do processo de codificação. O comprimento da tupla deve ser igual ao número de etapas no codificador. Cada etapa possui um número diferente de blocos de codificador. - num_decoder_blocks (
tuple[int], opcional, padrão(3, 3, 3, 1)) — tupla de inteiros que representa o número de blocos de decodificador em cada etapa do processo de decodificação. O comprimento da tupla deve ser igual ao número de etapas no decodificador. Cada etapa possui um número diferente de blocos de decodificador. - latent_magnitude (
float, opcional, padrão 3.0) — Magnitude da representação latente. Este parâmetro escala os valores da representação latente para controlar o grau de preservação de informações. - latent_shift (float, opcional, padrão 0.5) — Deslocamento aplicado à representação latente. Este parâmetro controla o centro do espaço latente.
- scaling_factor (
float, opcional, padrão 1.0) — O desvio padrão por componente do espaço latente treinado, calculado usando o primeiro lote do conjunto de treinamento. Isso é usado para escalar o espaço latente para ter variância unitária ao treinar o modelo de difusão. Os latentes são escalados com a fórmulaz = z * scaling_factorantes de serem passados para o modelo de difusão. Ao decodificar, os latentes são escalados de volta para a escala original com a fórmula:z = 1 / scaling_factor * z. Para mais detalhes, consulte as seções 4.3.2 e D.1 do artigo High-Resolution Image Synthesis with Latent Diffusion Models. Para este Autoencoder, no entanto, nenhum fator de escala foi usado, portanto, o valor padrão é 1.0. - force_upcast (
bool, opcional, padrãoFalse) — Se habilitado, força o VAE a executar em float32 para pipelines de alta resolução de imagem, como o SD-XL. O VAE pode ser ajustado / treinado para uma faixa menor sem perder muita precisão, caso em queforce_upcastpode ser definido comoFalse(veja este AutoEncoder compatível com fp16).
Um pequeno modelo de VAE destilado para codificar imagens em latentes e decodificar representações latentes em imagens.
AutoencoderTiny é um wrapper em torno da implementação original de TAESD.
Este modelo herda de ModelMixin. Consulte a documentação da superclasse para seus métodos genéricos implementados para todos os modelos (como download ou salvamento).
forward
< source >( sample: Tensorreturn_dict: bool = True ) → DecoderOutput or tuple
Parâmetros
- sample (
torch.Tensor) — Amostra de entrada. - return_dict (
bool, opcional, padrãoTrue) — Se deve ou não retornar umDecoderOutputem vez de uma tupla simples.
Retorna
DecoderOutput ou tuple
Se return_dict for True, um DecoderOutput é retornado; caso contrário, uma tuple simples é retornada.
latentes brutos -> [0, 1]
[0, 1] -> latentes brutos
AutoencoderTinyOutput
classe diffusers.models.autoencoders.autoencoder_tiny.AutoencoderTinyOutput
< source >( latents: Tensor )
Saída do método de codificação do AutoencoderTiny.