参数

• num_train_timesteps (int，默认为 1000) — 用于训练模型的扩散步数。
• beta_start (float，默认为 0.0001) — 推理的起始 beta 值。
• beta_end (float，默认为 0.02) — 最终的 beta 值。
• beta_schedule（"linear"、"scaled_linear"、"squaredcos_cap_v2" 或 "sigmoid"，默认为 "linear"）—— beta 调度，即将 beta 范围映射为用于模型步进的一系列 beta 值。
• trained_betas (np.ndarray, 可选) — 一个直接传递给构造函数的 betas 数组，无需使用 beta_start 和 beta_end。
• variance_type（"fixed_small"、"fixed_small_log"、"fixed_large"、"fixed_large_log"、"learned" 或 "learned_range"，默认为 "fixed_small"）—— 在对去噪样本添加噪声时，对方差进行裁剪。
• clip_sample (bool，默认为 True) — 对预测样本进行裁剪，以确保数值稳定性。
• clip_sample_range (float，默认为 1.0) — 样本裁剪的最大幅度。仅在 clip_sample=True 时有效。
• prediction_type ("epsilon", "sample", or "v_prediction", defaults to "epsilon") — Prediction type of the scheduler function; can be epsilon (predicts the noise of the diffusion process), sample (directly predicts the noisy sample) or v_prediction` (see section 2.4 of Imagen Video paper).
• thresholding (bool，默认为 False) — 是否使用“动态阈值”方法。此方法不适用于 Stable Diffusion 等潜在空间扩散模型。
• dynamic_thresholding_ratio (float, 默认值为 0.995) — 动态阈值化方法的比例。仅在 thresholding=True 时有效。
• sample_max_value (float，默认为 1.0) — 动态阈值化的阈值。仅在 thresholding=True 时有效。
• timestep_spacing ("linspace", "leading", or "trailing", defaults to "leading") — The way the timesteps should be scaled. Refer to Table 2 of the Common Diffusion Noise Schedules and Sample Steps are Flawed for more information.
• steps_offset（int，默认为 0）— 添加到推理步数中的偏移量，某些模型系列需要此参数。
• rescale_betas_zero_snr (bool，默认为 False) — 是否重新缩放 betas 以实现零终端 SNR。这使模型能够生成非常明亮和非常暗的样本，而不是将其限制在中等亮度的样本上。与 --offset_noise 大致相关。

参数

• prev_sample（对于图像，形状为 (batch_size, num_channels, height, width) 的 torch.Tensor）— 前一时间步的已计算样本 (x_{t-1})。在去噪循环中，应将 prev_sample 用作下一个模型输入。
• pred_original_sample（对于图像，形状为 (batch_size, num_channels, height, width) 的 torch.Tensor）— 基于当前时间步的模型输出所预测的去噪样本 (x_{0})。 pred_original_sample 可用于预览进度或进行引导。