Hugging Face's logo

Diffusers documentation

HunyuanDiT2DModel

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

HunyuanDiT2DModel

Hunyuan-DiT'den 2B veriler için bir Diffusion Transformer modeli.

HunyuanDiT2DModel

sınıf diffusers.HunyuanDiT2DModel

< >

( num_attention_heads: int = 16attention_head_dim: int = 88in_channels: int | None = Nonepatch_size: int | None = Noneactivation_fn: str = 'gelu-approximate'sample_size = 32hidden_size = 1152num_layers: int = 28mlp_ratio: float = 4.0learn_sigma: bool = Truecross_attention_dim: int = 1024norm_type: str = 'layer_norm'cross_attention_dim_t5: int = 2048pooled_projection_dim: int = 1024text_len: int = 77text_len_t5: int = 256use_style_cond_and_image_meta_size: bool = True )

Parametreler

  • num_attention_heads (int, isteğe bağlı, varsayılan 16) — Çok başlı dikkat (multi-head attention) için kullanılacak baş sayısı.
  • attention_head_dim (int, isteğe bağlı, varsayılan 88) — Her baştaki kanal sayısı.
  • in_channels (int, isteğe bağlı) — Girdi ve çıktıdaki kanal sayısı (girdi sürekli ise belirtin).
  • patch_size (int, isteğe bağlı) — Girdi için kullanılacak yamanın boyutu.
  • activation_fn (str, isteğe bağlı, varsayılan "geglu") — İleri beslemeli ağda kullanılacak aktivasyon fonksiyonu.
  • sample_size (int, isteğe bağlı) — Gizli görüntülerin genişliği. Bu, eğitim sırasında sabittir çünkü bir dizi konum gömme (position embedding) öğrenmek için kullanılır.
  • dropout (float, isteğe bağlı, varsayılan 0.0) — Kullanılacak dropout olasılığı.
  • cross_attention_dim (int, isteğe bağlı) — clip metin gömme boyutu.
  • hidden_size (int, isteğe bağlı) — Koşullama gömme katmanlarındaki gizli katmanın boyutu.
  • num_layers (int, isteğe bağlı, varsayılan 1) — Kullanılacak Transformer bloklarının katman sayısı.
  • mlp_ratio (float, isteğe bağlı, varsayılan 4.0) — Gizli katman boyutunun giriş boyutuna oranı.
  • learn_sigma (bool, isteğe bağlı, varsayılan True) — Varyansın tahmin edilip edilmeyeceği.
  • cross_attention_dim_t5 (int, isteğe bağlı) — t5 metin gömme boyutundaki boyut sayısı.
  • pooled_projection_dim (int, isteğe bağlı) — Birleştirilmiş projeksiyonun boyutu.
  • text_len (int, isteğe bağlı) — Klip metin gömme uzunluğu.
  • text_len_t5 (int, isteğe bağlı) — T5 metin gömme uzunluğu.
  • use_style_cond_and_image_meta_size (bool, isteğe bağlı) — Stil koşulu ve görüntü meta boyutunun kullanılıp kullanılmayacağı. Sürüm <=1.1 için True, sürüm >= 1.2 için False

HunYuanDiT: Transformer omurgalı difüzyon modeli.

diffusers'taki StableDiffusionPipeline örnekleme cihazıyla uyumlu olmak için ModelMixin ve ConfigMixin sınıflarından devralın.

enable_forward_chunking

< >

( chunk_size: int | None = Nonedim: int = 0 )

Parametreler

  • chunk_size (int, isteğe bağlı) — İleri besleme katmanlarının parça boyutu. Belirtilmezse, ileri besleme katmanı dim boyutlu her tensör üzerinde ayrı ayrı çalıştırılır.
  • dim (int, isteğe bağlı, varsayılan 0) — İleri besleme (feed-forward) hesabının parçalanacağı boyut. dim=0 (batch) veya dim=1 (dizi uzunluğu) arasında seçim yapın.

Dikkat işleyicisini ileri besleme parçalama kullanacak şekilde ayarlar.

forward

< >

( hidden_statestimestepencoder_hidden_states = Nonetext_embedding_mask = Noneencoder_hidden_states_t5 = Nonetext_embedding_mask_t5 = Noneimage_meta_size = Nonestyle = Noneimage_rotary_emb = Nonecontrolnet_block_samples = Nonereturn_dict = True )

Parametreler

  • hidden_states (torch.Tensor, şekli (batch size, dim, height, width)) — Girdi tensörü.
  • timestep ( torch.LongTensor, isteğe bağlı) — Gürültü azaltma adımını belirtmek için kullanılır.
  • encoder_hidden_states ( torch.Tensor of shape (batch size, sequence len, embed dims), isteğe bağlı) — Çapraz dikkat katmanı için koşullu gömme değerleri. Bu, BertModel çıktısıdır.
  • text_embedding_mask — torch.Tensor encoder_hidden_states’e (batch, key_tokens) biçiminde bir dikkat maskesi uygulanır. Bu, BertModel çıktısıdır.
  • encoder_hidden_states_t5 ( torch.Tensor, şekli (batch size, sequence len, embed dims), opsiyonel) — Çapraz dikkat katmanı için koşullu gömme değerleri. Bu, T5 Metin Kodlayıcısının çıktısıdır.
  • text_embedding_mask_t5 — torch.Tensor encoder_hidden_states’e (batch, key_tokens) biçiminde bir dikkat maskesi uygulanır. Bu, T5 Text Encoder’ın çıktısıdır.
  • image_meta_size (torch.Tensor) — Görsel boyutlarını gösteren koşullu gömme
  • style — torch.Tensor: Stili gösteren koşullu gömme
  • image_rotary_emb (torch.Tensor) — Dikkat hesabı sırasında sorgu ve anahtar tensörlerine uygulanacak görüntü döner gömme değerleri.
  • controlnet_block_samples (list of torch.Tensor, isteğe bağlı) — Belirtilirse, transformer bloklarının artıklarına eklenen tensörlerin listesi.
  • return_dict — bool Sözlük döndürülüp döndürülmediğini belirtir.

HunyuanDiT2DModel ileri yöntemi.

fuse_qkv_projections

< >

( )

Füzyonlu QKV projeksiyonlarını etkinleştirir. Kendi dikkat (self-attention) modülleri için tüm projeksiyon matrisleri (yani sorgu, anahtar, değer) füzyonlanır. Çapraz dikkat (cross-attention) modülleri için anahtar ve değer projeksiyon matrisleri füzyonlanır.

> Bu API 🧪 deneyseldir.

set_default_attn_processor

< >

( )

Özel dikkat işleyicilerini devre dışı bırakır ve varsayılan dikkat uygulamasını ayarlar.

unfuse_qkv_projections

< >

( )

Etkinleştirilmişse birleşik QKV projeksiyonunu devre dışı bırakır.

> Bu API 🧪 deneyseldir.

Update on GitHub

←HiDreamImageTransformer2DModel HunyuanImageTransformer2DModel→