# FluxTransformer2DModel

Um modelo Transformer para dados semelhantes a imagens do [Flux](https://blackforestlabs.ai/announcing-black-forest-labs/).

## FluxTransformer2DModel[[diffusers.FluxTransformer2DModel]]

#### diffusers.FluxTransformer2DModel[[diffusers.FluxTransformer2DModel]]

```python
diffusers.FluxTransformer2DModel(patch_size: int = 1, in_channels: int = 64, out_channels: int | None = None, num_layers: int = 19, num_single_layers: int = 38, attention_head_dim: int = 128, num_attention_heads: int = 24, joint_attention_dim: int = 4096, pooled_projection_dim: int = 768, guidance_embeds: bool = False, axes_dims_rope: tuple[int, int, int] = (16, 56, 56))
```

[Fonte](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_flux.py#L529)

**Parâmetros:**

patch_size (`int`, padrão `1`) : Tamanho do patch para converter os dados de entrada em pequenos patches.

in_channels (`int`, padrão `64`) : O número de canais na entrada.

out_channels (`int`, *opcional*, padrão `None`) : O número de canais na saída. Se não for especificado, o padrão é `in_channels`.

num_layers (`int`, padrão `19`) : O número de blocos DiT de fluxo duplo a serem usados.

num_single_layers (`int`, padrão `38`) : O número de blocos DiT de fluxo único a serem usados.

attention_head_dim (`int`, padrão `128`) : O número de dimensões a serem usadas para cada cabeça de atenção.

num_attention_heads (`int`, padrão `24`) : O número de cabeças de atenção a serem usadas.

joint_attention_dim (`int`, padrão `4096`) : O número de dimensões a serem usadas para a atenção conjunta (dimensão de incorporação/canal de `encoder_hidden_states`).

pooled_projection_dim (`int`, padrão `768`) : O número de dimensões a serem usadas para a projeção agregada.

guidance_embeds (`bool`, padrão `False`) : Se deve usar embeddings de orientação para a variante destilada por orientação do modelo.

axes_dims_rope (`tuple[int]`, padrão `(16, 56, 56)`) : As dimensões a serem usadas para os embeddings posicionais rotativos.

O modelo Transformer introduzido no Flux.

Referência: https://blackforestlabs.ai/announcing-black-forest-labs/

#### forward[[diffusers.FluxTransformer2DModel.forward]]

```python
forward(hidden_states: Tensor, encoder_hidden_states: Tensor = None, pooled_projections: Tensor = None, timestep: LongTensor = None, img_ids: Tensor = None, txt_ids: Tensor = None, guidance: Tensor = None, joint_attention_kwargs: dict[str, typing.Any] | None = None, controlnet_block_samples = None, controlnet_single_block_samples = None, return_dict: bool = True, controlnet_blocks_repeat: bool = False)
```

[Fonte](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_flux.py#L670)

**Parâmetros:**

hidden_states (`torch.Tensor` de forma `(batch_size, image_sequence_length, in_channels)`) : `hidden_states` de entrada.

encoder_hidden_states (`torch.Tensor` de forma `(batch_size, text_sequence_length, joint_attention_dim)`) : Embeddings condicionais (embeddings calculados a partir das condições de entrada, como prompts) a serem usados.

pooled_projections (`torch.Tensor` de forma `(batch_size, projection_dim)`) : Embebimentos projetados a partir dos embebimentos das condições de entrada.

timestep ( `torch.LongTensor`) : Usado para indicar o passo de remoção de ruído.

img_ids (`torch.Tensor`) : ids de posição de imagem usados para calcular os embeddings posicionais rotativos.

txt_ids (`torch.Tensor`) : ids de posição de texto usados para calcular os embeddings posicionais rotativos.

guidance (`torch.Tensor`, *opcional*) : Embedding de escala de orientação usado para variantes destiladas por orientação do modelo.

controlnet_block_samples (`list` de `torch.Tensor`, *opcional*) : Uma lista de tensores que, se especificada, é adicionada aos resíduos dos blocos de transformer.

controlnet_single_block_samples (`list` de `torch.Tensor`, *opcional*) : Uma lista de tensores que, se especificada, é adicionada aos resíduos dos blocos de transformador individuais.

controlnet_blocks_repeat (`bool`, *opcional*, padrão `False`) : Se deve repetir as amostras do bloco controlnet em todos os blocos do transformer.

joint_attention_kwargs (`dict`, *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`) : Indica se deve retornar um `~models.transformer_2d.Transformer2DModelOutput` 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 [FluxTransformer2DModel](/docs/diffusers/v0.43.0/pt/api/models/flux_transformer#diffusers.FluxTransformer2DModel).