Hugging Face's logo

Diffusers documentation

ControlNetUnionModel

Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

ControlNetUnionModel

ControlNetUnionModel adalah implementasi ControlNet untuk Stable Diffusion XL.

Model ControlNet diperkenalkan dalam ControlNetPlus oleh xinsir6. Model ini mendukung beberapa input kondisioning tanpa meningkatkan komputasi.

Kami merancang arsitektur baru yang dapat mendukung lebih dari 10 jenis kontrol dalam pembuatan gambar dari teks bersyarat dan mampu menghasilkan gambar beresolusi tinggi yang secara visual setara dengan midjourney. Jaringan ini didasarkan pada arsitektur ControlNet asli; kami mengusulkan dua modul baru untuk: 1 Memperluas ControlNet asli agar mendukung kondisi gambar yang berbeda menggunakan parameter jaringan yang sama. 2 Mendukung input kondisi ganda tanpa meningkatkan offload komputasi, yang sangat penting bagi desainer yang ingin mengedit gambar secara detail; kondisi yang berbeda menggunakan encoder kondisi yang sama, tanpa menambah komputasi atau parameter ekstra.

Memuat

Secara default, ControlNetUnionModel harus dimuat dengan from_pretrained().

from diffusers import StableDiffusionXLControlNetUnionPipeline, ControlNetUnionModel

controlnet = ControlNetUnionModel.from_pretrained("xinsir/controlnet-union-sdxl-1.0")
pipe = StableDiffusionXLControlNetUnionPipeline.from_pretrained("stabilityai/stable-diffusion-xl-base-1.0", controlnet=controlnet)

ControlNetUnionModel

kelas diffusers.ControlNetUnionModel

< >

( in_channels: int = 4conditioning_channels: int = 3flip_sin_to_cos: bool = Truefreq_shift: int = 0down_block_types: tuple[str, ...] = ('CrossAttnDownBlock2D', 'CrossAttnDownBlock2D', 'CrossAttnDownBlock2D', 'DownBlock2D')only_cross_attention: bool | tuple[bool] = Falseblock_out_channels: tuple[int, ...] = (320, 640, 1280, 1280)layers_per_block: int = 2downsample_padding: int = 1mid_block_scale_factor: float = 1act_fn: str = 'silu'norm_num_groups: int | None = 32norm_eps: float = 1e-05cross_attention_dim: int = 1280transformer_layers_per_block: int | tuple[int, ...] = 1encoder_hid_dim: int | None = Noneencoder_hid_dim_type: str | None = Noneattention_head_dim: int | tuple[int, ...] = 8num_attention_heads: int | tuple[int, ...] | None = Noneuse_linear_projection: bool = Falseclass_embed_type: str | None = Noneaddition_embed_type: str | None = Noneaddition_time_embed_dim: int | None = Nonenum_class_embeds: int | None = Noneupcast_attention: bool = Falseresnet_time_scale_shift: str = 'default'projection_class_embeddings_input_dim: int | None = Nonecontrolnet_conditioning_channel_order: str = 'rgb'conditioning_embedding_out_channels: tuple[int, ...] | None = (48, 96, 192, 384)global_pool_conditions: bool = Falseaddition_embed_type_num_heads: int = 64num_control_type: int = 6num_trans_channel: int = 320num_trans_head: int = 8num_trans_layer: int = 1num_proj_channel: int = 320 )

Parameter

  • in_channels (int, defaultnya 4) — Jumlah channel pada sampel input.
  • flip_sin_to_cos (bool, defaultnya True) — Apakah akan membalik sin menjadi cos pada time embedding.
  • freq_shift (int, defaultnya 0) — Pergeseran frekuensi yang diterapkan ke penanaman waktu.
  • down_block_types (tuple[str], defaultnya ("CrossAttnDownBlock2D", "CrossAttnDownBlock2D", "CrossAttnDownBlock2D", "DownBlock2D")) — Tuple dari blok downsample yang akan digunakan.
  • only_cross_attention (bool | tuple[bool], defaultnya False) —
  • block_out_channels (tuple[int], defaultnya (320, 640, 1280, 1280)) — Tuple dari kanal output untuk setiap blok.
  • layers_per_block (int, defaultnya 2) — Jumlah lapisan per blok.
  • downsample_padding (int, defaultnya 1) — Padding yang digunakan untuk konvolusi downsampling.
  • mid_block_scale_factor (float, defaultnya 1) — Faktor skala yang digunakan untuk blok tengah.
  • act_fn (str, defaultnya “silu”) — Fungsi aktivasi yang akan digunakan.
  • norm_num_groups (int, opsional, default 32) — Jumlah grup yang digunakan untuk normalisasi. Jika None, lapisan normalisasi dan aktivasi akan dilewati dalam pascapemrosesan.
  • norm_eps (float, defaultnya 1e-5) — Epsilon yang digunakan untuk normalisasi.
  • cross_attention_dim (int, defaultnya 1280) — Dimensi dari fitur cross attention.
  • transformer_layers_per_block (int atau tuple[int], opsional, default 1) — Jumlah blok transformer bertipe BasicTransformerBlock. Hanya relevan untuk ~models.unet_2d_blocks.CrossAttnDownBlock2D, ~models.unet_2d_blocks.CrossAttnUpBlock2D, ~models.unet_2d_blocks.UNetMidBlock2DCrossAttn.
  • encoder_hid_dim (int, opsional, default None) — Jika encoder_hid_dim_type didefinisikan, encoder_hidden_states akan diproyeksikan dari dimensi encoder_hid_dim ke cross_attention_dim.
  • encoder_hid_dim_type (str, opsional, default None) — Jika diberikan, encoder_hidden_states dan kemungkinan embedding lainnya akan diproyeksikan ke bawah menjadi embedding teks dengan dimensi cross_attention sesuai dengan encoder_hid_dim_type.
  • attention_head_dim (int | tuple[int], defaultnya 8) — Dimensi dari kepala perhatian (attention heads).
  • use_linear_projection (bool, defaultnya False) —
  • class_embed_type (str, opsional, defaultnya None) — Jenis class embedding yang akan digunakan, yang pada akhirnya dijumlahkan dengan time embeddings. Pilih dari None, "timestep", "identity", "projection", atau "simple_projection".
  • addition_embed_type (str, opsional, default None) — Mengonfigurasi embedding opsional yang akan dijumlahkan dengan time embeddings. Pilih dari None atau “text”. “text” akan menggunakan layer TextTimeEmbedding.
  • num_class_embeds (int, opsional, default 0) — Dimensi input dari matriks embedding yang dapat dipelajari untuk diproyeksikan ke time_embed_dim, saat melakukan kondisioning kelas dengan class_embed_type yang sama dengan None.
  • upcast_attention (bool, defaultnya False) —
  • resnet_time_scale_shift (str, defaultnya "default") — Konfigurasi pergeseran skala waktu untuk blok ResNet (lihat ResnetBlock2D). Pilih dari default atau scale_shift.
  • projection_class_embeddings_input_dim (int, opsional, defaultnya None) — Dimensi dari input class_labels ketika class_embed_type="projection". Wajib diisi ketika class_embed_type="projection".
  • controlnet_conditioning_channel_order (str, defaultnya "rgb") — Urutan channel dari gambar kondisional. Akan dikonversi menjadi rgb jika nilainya bgr.
  • conditioning_embedding_out_channels (tuple[int], opsional, defaultnya (48, 96, 192, 384)) — Tuple dari kanal output untuk setiap blok di lapisan conditioning_embedding.
  • global_pool_conditions (bool, defaultnya False) —

Model ControlNetUnion.

forward

< >

( sample: Tensortimestep: typing.Union[torch.Tensor, float, int]encoder_hidden_states: Tensorcontrolnet_cond: list[torch.Tensor]control_type: Tensorcontrol_type_idx: list[int]conditioning_scale: float | list[float] = 1.0class_labels: typing.Optional[torch.Tensor] = Nonetimestep_cond: typing.Optional[torch.Tensor] = Noneattention_mask: typing.Optional[torch.Tensor] = Noneadded_cond_kwargs: dict[str, torch.Tensor] | None = Nonecross_attention_kwargs: dict[str, typing.Any] | None = Nonefrom_multi: bool = Falseguess_mode: bool = Falsereturn_dict: bool = True ) → ~models.controlnet.ControlNetOutput or tuple

Parameter

  • sample (torch.Tensor) — Tensor input berisik.
  • timestep (torch.Tensor | float | int) — Jumlah timestep untuk mendenoise input.
  • encoder_hidden_states (torch.Tensor) — State tersembunyi encoder.
  • controlnet_cond (list[torch.Tensor]) — Tensor input kondisional.
  • control_type (torch.Tensor) — Tensor dengan bentuk (batch, num_control_type) yang berisi nilai 0 atau 1 tergantung pada apakah tipe kontrol tersebut digunakan.
  • control_type_idx (list[int]) — Indeks dari control_type.
  • conditioning_scale (float, defaultnya 1.0) — Faktor skala untuk output ControlNet.
  • class_labels (torch.Tensor, opsional, default None) — Label kelas opsional untuk kondisioning. Embedding-nya akan dijumlahkan dengan embedding timestep.
  • timestep_cond (torch.Tensor, opsional, default None) — Embedding kondisional tambahan untuk timestep. Jika diberikan, embedding akan dijumlahkan dengan timestep_embedding yang diteruskan melalui lapisan self.time_embedding untuk mendapatkan embedding timestep akhir.
  • attention_mask (torch.Tensor, opsional, default None) — Mask perhatian dengan bentuk (batch, key_tokens) diterapkan pada encoder_hidden_states. Jika 1, mask dipertahankan, sedangkan jika 0, mask dibuang. Mask akan dikonversi menjadi bias, yang menambahkan nilai negatif besar ke skor perhatian yang sesuai dengan token “buang”.
  • added_cond_kwargs (dict) — Kondisi tambahan untuk UNet Stable Diffusion XL.
  • cross_attention_kwargs (dict[str], opsional, default None) — Kamus kwargs yang jika ditentukan akan diteruskan ke AttnProcessor.
  • from_multi (bool, defaultnya False) — Gunakan penskalaan standar ketika dipanggil dari MultiControlNetUnionModel.
  • guess_mode (bool, defaultnya False) — Pada mode ini, encoder ControlNet akan berusaha semaksimal mungkin untuk mengenali konten input dari input meskipun Anda menghapus semua prompt. guidance_scale antara 3.0 dan 5.0 direkomendasikan.
  • return_dict (bool, defaultnya True) — Apakah akan mengembalikan ~models.controlnet.ControlNetOutput alih-alih tuple biasa.

Mengembalikan

~models.controlnet.ControlNetOutput atau tuple

Jika return_dict adalah True, sebuah ~models.controlnet.ControlNetOutput akan dikembalikan, selain itu sebuah tuple akan dikembalikan di mana elemen pertama adalah tensor sampel.

Metode forward dari ControlNetUnionModel.

from_unet

< >

( unet: UNet2DConditionModelcontrolnet_conditioning_channel_order: str = 'rgb'conditioning_embedding_out_channels: tuple[int, ...] | None = (16, 32, 96, 256)load_weights_from_unet: bool = True )

Parameter

  • unet (UNet2DConditionModel) — Bobot model UNet yang akan disalin ke ControlNetUnionModel. Semua opsi konfigurasi juga disalin jika berlaku.

Instansiasi ControlNetUnionModel dari UNet2DConditionModel.

set_attention_slice

< >

( slice_size: str | int | list[int] )

Parameter

  • slice_size (str atau int atau list(int), opsional, defaultnya "auto") — Jika "auto", input ke attention heads dibagi dua, sehingga attention dihitung dalam dua langkah. Jika "max", jumlah memori yang dihemat maksimal dengan hanya menjalankan satu slice pada satu waktu. Jika angka diberikan, digunakan sebanyak slice sebanyak attention_head_dim // slice_size. Dalam kasus ini, attention_head_dim harus merupakan kelipatan dari slice_size.

Aktifkan perhitungan perhatian terpotong.

Ketika opsi ini diaktifkan, modul perhatian membagi tensor input menjadi beberapa potongan untuk menghitung perhatian dalam beberapa langkah. Hal ini berguna untuk menghemat sebagian memori dengan mengorbankan sedikit penurunan kecepatan.

set_default_attn_processor

< >

( )

Menonaktifkan prosesor perhatian kustom dan mengatur implementasi perhatian default.

Update on GitHub

←ControlNetModel FluxControlNetModel→