Diffusers documentation
StableCascadeUNet
StableCascadeUNet
来自 Stable Cascade 流水线 的 UNet 模型。
StableCascadeUNet
class diffusers.models.StableCascadeUNet
< source >( in_channels: int = 16out_channels: int = 16timestep_ratio_embedding_dim: int = 64patch_size: int = 1conditioning_dim: int = 2048block_out_channels: tuple = (2048, 2048)num_attention_heads: tuple = (32, 32)down_num_layers_per_block: tuple = (8, 24)up_num_layers_per_block: tuple = (24, 8)down_blocks_repeat_mappers: tuple[int] | None = (1, 1)up_blocks_repeat_mappers: tuple[int] | None = (1, 1)block_types_per_layer: tuple = (('SDCascadeResBlock', 'SDCascadeTimestepBlock', 'SDCascadeAttnBlock'), ('SDCascadeResBlock', 'SDCascadeTimestepBlock', 'SDCascadeAttnBlock'))clip_text_in_channels: int | None = Noneclip_text_pooled_in_channels = 1280clip_image_in_channels: int | None = Noneclip_seq = 4effnet_in_channels: int | None = Nonepixel_mapper_in_channels: int | None = Nonekernel_size = 3dropout: float | tuple[float] = (0.1, 0.1)self_attn: bool | tuple[bool] = Truetimestep_conditioning_type: tuple = ('sca', 'crp')switch_level: tuple[bool] | None = None )
forward
< source >( sampletimestep_ratioclip_text_pooledclip_text = Noneclip_img = Noneeffnet = Nonepixels = Nonesca = Nonecrp = Nonereturn_dict = True )
参数
- sample (
torch.Tensor) — 带噪声的输入样本。 - timestep_ratio (
torch.Tensor) — 用于计算时间步嵌入的时间步比率。 - clip_text_pooled (
torch.Tensor) — 池化后的 CLIP 文本嵌入。 - clip_text (
torch.Tensor, 可选) — 序列级别的 CLIP 文本嵌入。 - clip_img (
torch.Tensor, 可选) — CLIP 图像嵌入。 - effnet (
torch.Tensor，可选) — 用作额外条件输入的 EfficientNet 特征图。 - pixels (
torch.Tensor, 可选) — 像素级条件张量。如果为None，则使用全零张量。 - sca (
torch.Tensor, 可选) — 用于构建时间步嵌入的可选sca条件值。 - crp (
torch.Tensor，可选) — 用于构建时间步嵌入的可选crp条件值。 - return_dict (
bool，可选，默认为True) — 是否返回StableCascadeUNetOutput而不是普通元组。