Diffusers documentation
UNetMotionModel
UNetMotionModel
O modelo UNet foi originalmente introduzido por Ronneberger et al para segmentação de imagens biomédicas, mas também é comumente usado no 🤗 Diffusers porque ele gera imagens com o mesmo tamanho da entrada. Ele é um dos componentes mais importantes de um sistema de difusão, pois facilita o processo de difusão em si. Existem várias variantes do modelo UNet no 🤗 Diffusers, dependendo do número de dimensões e de se trata de um modelo condicional ou não. Este é um modelo UNet 2D.
O resumo do artigo é:
Há amplo consenso de que o treinamento bem-sucedido de redes profundas requer milhares de amostras de treinamento anotadas. Neste artigo, apresentamos uma rede e uma estratégia de treinamento que dependem do uso intenso de aumento de dados para utilizar as amostras anotadas disponíveis de forma mais eficiente. A arquitetura consiste em um caminho contrativo para capturar o contexto e um caminho expansivo simétrico que permite a localização precisa. Mostramos que uma rede como essa pode ser treinada de ponta a ponta a partir de muito poucas imagens e supera o melhor método anterior (uma rede convolucional de janela deslizante) no desafio ISBI para segmentação de estruturas neuronais em pilhas de microscopia eletrônica. Usando a mesma rede treinada em imagens de microscopia de luz transmitida (contraste de fase e DIC), vencemos o desafio de rastreamento celular ISBI 2015 nessas categorias por uma grande margem. Além disso, a rede é rápida. A segmentação de uma imagem de 512x512 leva menos de um segundo em uma GPU recente. A implementação completa (baseada em Caffe) e as redes treinadas estão disponíveis em http://lmb.informatik.uni-freiburg.de/people/ronneber/u-net.
UNetMotionModel
classe diffusers.UNetMotionModel
< source >( sample_size: int | None = Nonein_channels: int = 4out_channels: int = 4down_block_types: tuple[str, ...] = ('CrossAttnDownBlockMotion', 'CrossAttnDownBlockMotion', 'CrossAttnDownBlockMotion', 'DownBlockMotion')up_block_types: tuple[str, ...] = ('UpBlockMotion', 'CrossAttnUpBlockMotion', 'CrossAttnUpBlockMotion', 'CrossAttnUpBlockMotion')block_out_channels: tuple[int, ...] = (320, 640, 1280, 1280)layers_per_block: int | tuple[int] = 2downsample_padding: int = 1mid_block_scale_factor: float = 1act_fn: str = 'silu'norm_num_groups: int = 32norm_eps: float = 1e-05cross_attention_dim: int = 1280transformer_layers_per_block: int | tuple[int] | tuple[tuple] = 1reverse_transformer_layers_per_block: int | tuple[int] | tuple[tuple] | None = Nonetemporal_transformer_layers_per_block: int | tuple[int] | tuple[tuple] = 1reverse_temporal_transformer_layers_per_block: int | tuple[int] | tuple[tuple] | None = Nonetransformer_layers_per_mid_block: int | tuple[int] | None = Nonetemporal_transformer_layers_per_mid_block: int | tuple[int] | None = 1use_linear_projection: bool = Falsenum_attention_heads: int | tuple[int, ...] = 8motion_max_seq_length: int = 32motion_num_attention_heads: int | tuple[int, ...] = 8reverse_motion_num_attention_heads: int | tuple[int, ...] | tuple[tuple[int, ...], ...] | None = Noneuse_motion_mid_block: bool = Truemid_block_layers: int = 1encoder_hid_dim: int | None = Noneencoder_hid_dim_type: str | None = Noneaddition_embed_type: str | None = Noneaddition_time_embed_dim: int | None = Noneprojection_class_embeddings_input_dim: int | None = Nonetime_cond_proj_dim: int | None = None )
Um modelo de UNet 2D condicional modificado que recebe uma amostra com ruído, um estado condicional e um passo de tempo e retorna uma saída com a forma da amostra.
Este modelo herda de ModelMixin. Consulte a documentação da superclasse para seus métodos genéricos implementados para todos os modelos (como download ou salvamento).
Desativa o mecanismo FreeU.
enable_forward_chunking
< source >( chunk_size: int | None = Nonedim: int = 0 )
Parâmetros
- chunk_size (
int, opcional) — O tamanho do bloco das camadas feed-forward. Se não for especificado, a camada feed-forward será executada individualmente sobre cada tensor com dim=dim. - dim (
int, opcional, padrão0) — A dimensão sobre a qual o cálculo feed-forward deve ser dividido em blocos. Escolha entre dim=0 (lote) ou dim=1 (comprimento da sequência).
Define o processador de atenção para usar chunking de feed forward.
enable_freeu
< source >( s1: floats2: floatb1: floatb2: float )
Parâmetros
- s1 (
float) — Fator de escala para a etapa 1 para atenuar as contribuições dos recursos de skip. Isso é feito para mitigar o “efeito de sobre-suavização” no processo aprimorado de remoção de ruído. - s2 (
float) — Fator de escala para o estágio 2 para atenuar as contribuições dos recursos de skip. Isso é feito para mitigar o “efeito de sobre-suavização” no processo aprimorado de remoção de ruído. - b1 (
float) — Fator de escala para o estágio 1 para amplificar as contribuições dos recursos do backbone. - b2 (
float) — Fator de escala para o estágio 2 para amplificar as contribuições dos recursos do backbone.
Ativa o mecanismo FreeU de https://huggingface.co/papers/2309.11497.
Os sufixos após os fatores de escala representam os blocos de estágio em que eles estão sendo aplicados.
Consulte o repositório oficial para combinações de valores que são conhecidas por funcionar bem em diferentes pipelines, como Stable Diffusion v1, v2 e Stable Diffusion XL.
forward
< source >( sample: Tensortimestep: typing.Union[torch.Tensor, float, int]encoder_hidden_states: Tensortimestep_cond: typing.Optional[torch.Tensor] = Noneattention_mask: typing.Optional[torch.Tensor] = Nonecross_attention_kwargs: dict[str, typing.Any] | None = Noneadded_cond_kwargs: dict[str, torch.Tensor] | None = Nonedown_block_additional_residuals: tuple[torch.Tensor] | None = Nonemid_block_additional_residual: typing.Optional[torch.Tensor] = Nonereturn_dict: bool = True ) → UNetMotionOutput or tuple
Parâmetros
- sample (
torch.Tensor) — O tensor de entrada com ruído, com a seguinte forma(batch, num_frames, channel, height, width. - timestep (
torch.Tensoroufloatouint) — O número de timesteps para desruidar uma entrada. - encoder_hidden_states (
torch.Tensor) — Os estados ocultos do codificador com forma(batch, sequence_length, feature_dim). - timestep_cond — (
torch.Tensor, opcional, padrãoNone): Incorporações condicionais para o timestep. Se fornecidas, as incorporações serão somadas às amostras passadas pela camadaself.time_embeddingpara obter as incorporações de timestep. - attention_mask (
torch.Tensor, opcional, padrãoNone) — Uma máscara de atenção com forma(batch, key_tokens)é aplicada aencoder_hidden_states. Se1, a máscara é mantida; caso contrário, se0, ela é descartada. A máscara será convertida em um viés, que adiciona grandes valores negativos às pontuações de atenção correspondentes aos tokens “descartados”. - cross_attention_kwargs (
dict, opcional) — Um dicionário de kwargs que, se especificado, é passado para oAttentionProcessorconforme definido emself.processorem diffusers.models.attention_processor. - added_cond_kwargs (
dict, opcional) — Um dicionário de incorporações adicionais (por exemplo, incorporações de texto e de tempo) usadas para condicionar o modelo. - down_block_additional_residuals — (
tupledetorch.Tensor, opcional): Uma tupla de tensores que, se especificada, é adicionada aos resíduos dos blocos down do unet. - mid_block_additional_residual — (
torch.Tensor, opcional): Um tensor que, se especificado, é adicionado ao residual do bloco intermediário do unet. - return_dict (
bool, opcional, padrãoTrue) — Se deve ou não retornar umUNetMotionOutputem vez de uma tupla simples.
Retorna
UNetMotionOutput ou tuple
Se return_dict for True, um UNetMotionOutput é retornado,
caso contrário, uma tuple é retornada, onde o primeiro elemento é o tensor da amostra.
O método forward do UNetMotionModel.
Congele os pesos apenas do UNet2DConditionModel e deixe os módulos de movimento descongelados para o ajuste fino.
Ativa as projeções QKV fundidas. Para os módulos de autoatenção, todas as matrizes de projeção (ou seja, query, key, value) são fundidas. Para os módulos de atenção cruzada, as matrizes de projeção de key e value são fundidas.
> Esta API é 🧪 experimental.
Desativa os processadores de atenção personalizados e define a implementação padrão de atenção.
Desativa a projeção QKV fundida, se estiver habilitada.
> Esta API é 🧪 experimental.
UNet3DConditionOutput
classe diffusers.models.unets.unet_3d_condition.UNet3DConditionOutput
< source >( sample: Tensor )
A saída de UNet3DConditionModel.