# DiTTransformer2DModel

Um modelo Transformer para dados semelhantes a imagens do [DiT](https://huggingface.co/papers/2212.09748).

## DiTTransformer2DModel[[diffusers.DiTTransformer2DModel]]

#### diffusers.DiTTransformer2DModel[[diffusers.DiTTransformer2DModel]]

```python
diffusers.DiTTransformer2DModel(num_attention_heads: int = 16, attention_head_dim: int = 72, in_channels: int = 4, out_channels: int | None = None, num_layers: int = 28, dropout: float = 0.0, norm_num_groups: int = 32, attention_bias: bool = True, sample_size: int = 32, patch_size: int = 2, activation_fn: str = 'gelu-approximate', num_embeds_ada_norm: int | None = 1000, upcast_attention: bool = False, norm_type: str = 'ada_norm_zero', norm_elementwise_affine: bool = False, norm_eps: float = 1e-05)
```

[Fonte](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/dit_transformer_2d.py#L31)

**Parâmetros:**

num_attention_heads (int, opcional, padrão 16) : O número de cabeças a serem usadas para a atenção multi-cabeça.

attention_head_dim (int, opcional, padrão 72) : O número de canais em cada head.

in_channels (int, padrão 4) : O número de canais na entrada.

out_channels (int, opcional) : O número de canais na saída. Especifique este parâmetro se o número de canais de saída for diferente do de entrada.

num_layers (int, opcional, padrão 28) : O número de blocos de camadas de Transformer a serem usados.

dropout (float, opcional, padrão 0.0) : A probabilidade de dropout a ser utilizada nos blocos do Transformer.

norm_num_groups (int, opcional, padrão 32) : Número de grupos para a normalização de grupos dentro dos blocos do Transformer.

attention_bias (bool, opcional, padrão True) : Configura se a atenção dos blocos do Transformer deve conter um parâmetro de viés.

sample_size (int, padrão 32) : A largura das imagens latentes. Este parâmetro é fixo durante o treinamento.

patch_size (int, padrão 2) : Tamanho dos patches que o modelo processa, relevante para arquiteturas que trabalham com dados não sequenciais.

activation_fn (str, opcional, padrão "gelu-approximate") : Função de ativação a ser usada nas redes feed-forward dentro dos blocos Transformer.

num_embeds_ada_norm (int, opcional, padrão 1000) : Número de embeddings para AdaLayerNorm, fixado durante o treinamento e afeta o número máximo de etapas de desruidamento durante a inferência.

upcast_attention (bool, opcional, padrão é False) : Se verdadeiro, faz o upcast das dimensões do mecanismo de atenção para um desempenho potencialmente melhorado.

norm_type (str, opcional, padrão "ada_norm_zero") : Especifica o tipo de normalização usado, pode ser 'ada_norm_zero'.

norm_elementwise_affine (bool, opcional, padrão é False) : Se verdadeiro, habilita parâmetros afins elemento a elemento nas camadas de normalização.

norm_eps (float, opcional, padrão 1e-5) : Uma pequena constante adicionada ao denominador em camadas de normalização para evitar divisão por zero.

Um modelo Transformer 2D, conforme introduzido em DiT (https://huggingface.co/papers/2212.09748).

#### forward[[diffusers.DiTTransformer2DModel.forward]]

```python
forward(hidden_states: Tensor, timestep: typing.Optional[torch.LongTensor] = None, class_labels: typing.Optional[torch.LongTensor] = None, cross_attention_kwargs: dict[str, typing.Any] = None, return_dict: bool = True)
```

[Fonte](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/dit_transformer_2d.py#L148)

**Parâmetros:**

hidden_states (`torch.LongTensor` de forma `(batch size, num latent pixels)` se discreto, `torch.FloatTensor` de forma `(batch size, channel, height, width)` se contínuo) : `hidden_states` de entrada.

timestep ( `torch.LongTensor`, *opcional*) : Usado para indicar o passo de desruidamento. Timestep opcional a ser aplicado como um embedding em `AdaLayerNorm`.

class_labels ( `torch.LongTensor` de forma `(batch size, num classes)`, *opcional*) : Usado para indicar o condicionamento por rótulos de classe. Rótulos de classe opcionais a serem aplicados como um embedding em `AdaLayerZeroNorm`.

cross_attention_kwargs ( `dict[str, Any]`, *opcional*) : Um dicionário de kwargs que, se especificado, é passado para o `AttentionProcessor` conforme definido em `self.processor` em [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py).

return_dict (`bool`, *opcional*, padrão `True`) : Se deve ou não retornar um [UNet2DConditionOutput](/docs/diffusers/v0.43.0/pt/api/models/unet2d-cond#diffusers.models.unets.unet_2d_condition.UNet2DConditionOutput) em vez de uma tupla simples.

**Retorna:**

Se `return_dict` for True, um `~models.transformer_2d.Transformer2DModelOutput` é retornado; caso contrário, uma `tuple` onde o primeiro elemento é o tensor da amostra.

O método forward do [DiTTransformer2DModel](/docs/diffusers/v0.43.0/pt/api/models/dit_transformer2d#diffusers.DiTTransformer2DModel).