# DiTTransformer2DModel

Модель Transformer для изображений из [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)
```

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

**Параметры:**

num_attention_heads (int, optional, по умолчанию 16) : Количество головок для использования в механизме внимания с несколькими головками.

attention_head_dim (int, optional, по умолчанию 72) : Количество каналов в каждой голове.

in_channels (int, по умолчанию 4) : количество каналов на входе.

out_channels (int, optional) : Количество каналов на выходе. Укажите этот параметр, если количество выходных каналов отличается от входного.

num_layers (int, optional, по умолчанию 28) : Количество блоков Transformer, используемых в модели.

dropout (float, optional, по умолчанию 0.0) : Вероятность dropout, используемая внутри блоков Transformer.

norm_num_groups (int, optional, по умолчанию 32) : Количество групп для групповой нормализации внутри блоков Transformer.

attention_bias (bool, optional, по умолчанию True) : Настройка того, должен ли механизм внимания в блоках Transformer содержать параметр смещения (bias).

sample_size (int, по умолчанию 32) : Ширина латентных изображений. Этот параметр фиксируется во время обучения.

patch_size (int, по умолчанию 2) : Размер патчей, которые обрабатывает модель; актуально для архитектур, работающих с непоследовательными данными.

activation_fn (str, optional, по умолчанию "gelu-approximate") : Функция активации, используемая в полносвязных сетях внутри блоков Transformer.

num_embeds_ada_norm (int, optional, по умолчанию 1000) : Количество эмбеддингов для AdaLayerNorm, фиксированное во время обучения и влияющее на максимальное количество шагов денойзинга при инференсе.

upcast_attention (bool, optional, по умолчанию False) : Если установлено в true, повышает размерность механизма внимания для потенциального улучшения производительности.

norm_type (str, optional, по умолчанию "ada_norm_zero") : определяет тип используемой нормализации, может быть 'ada_norm_zero'.

norm_elementwise_affine (bool, optional, по умолчанию False) : Если true, включает поэлементные аффинные параметры в слоях нормализации.

norm_eps (float, optional, по умолчанию 1e-5) : Небольшая константа, добавляемая к знаменателю в слоях нормализации для предотвращения деления на ноль.

Двумерная модель Transformer, представленная в 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)
```

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

**Параметры:**

hidden_states (`torch.LongTensor` формы `(batch size, num latent pixels)` для дискретных, `torch.FloatTensor` формы `(batch size, channel, height, width)` для непрерывных) : входные `hidden_states`.

timestep ( `torch.LongTensor`, *необязательный*) : Используется для указания шага денойзинга. Необязательный временной шаг, применяемый как эмбеддинг в `AdaLayerNorm`.

class_labels ( `torch.LongTensor` формы `(batch size, num classes)`, *необязательный*) : Используется для указания условий по классам. Необязательные метки классов, применяемые как эмбеддинг в `AdaLayerZeroNorm`.

cross_attention_kwargs ( `dict[str, Any]`, *необязательный*) : Словарь kwargs, который при указании передаётся в `AttentionProcessor`, определённый в `self.processor` в [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py).

return_dict (`bool`, *необязательный*, по умолчанию `True`) : Возвращать ли [UNet2DConditionOutput](/docs/diffusers/v0.43.0/ru/api/models/unet2d-cond#diffusers.models.unets.unet_2d_condition.UNet2DConditionOutput) вместо обычного кортежа.

**Возвращает:**

Если `return_dict` равно True, возвращается `~models.transformer_2d.Transformer2DModelOutput`, иначе — `tuple`, первым элементом которого является тензор выборки.

Метод forward модели [DiTTransformer2DModel](/docs/diffusers/v0.43.0/ru/api/models/dit_transformer2d#diffusers.DiTTransformer2DModel).