# LongCatImageTransformer2DModel

可以使用以下代码片段加载该模型。

```python
from diffusers import LongCatImageTransformer2DModel

transformer = LongCatImageTransformer2DModel.from_pretrained("meituan-longcat/LongCat-Image ", subfolder="transformer", dtype=torch.bfloat16)
```

## LongCatImageTransformer2DModel[[diffusers.LongCatImageTransformer2DModel]]

#### diffusers.LongCatImageTransformer2DModel[[diffusers.LongCatImageTransformer2DModel]]

```python
diffusers.LongCatImageTransformer2DModel(patch_size: int = 1, in_channels: int = 64, num_layers: int = 19, num_single_layers: int = 38, attention_head_dim: int = 128, num_attention_heads: int = 24, joint_attention_dim: int = 3584, pooled_projection_dim: int = 3584, axes_dims_rope: list[int] = [16, 56, 56])
```

[源代码](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_longcat_image.py#L395)

Longcat-Image 中引入的 Transformer 模型。

#### forward[[diffusers.LongCatImageTransformer2DModel.forward]]

```python
forward(hidden_states: Tensor, encoder_hidden_states: Tensor = None, timestep: LongTensor = None, img_ids: Tensor = None, txt_ids: Tensor = None, guidance: Tensor = None, return_dict: bool = True)
```

[源代码](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_longcat_image.py#L464)

**参数：**

hidden_states (`torch.FloatTensor`，形状为 `(batch size, channel, height, width)`)：输入 `hidden_states`。

encoder_hidden_states (`torch.FloatTensor`，形状为 `(batch size, sequence_len, embed_dims)`)：要使用的条件嵌入（从输入条件（例如提示词）计算得出的嵌入）。

timestep ( `torch.LongTensor`) ：用于指示去噪步骤。

img_ids (`torch.Tensor`) : 用于计算旋转位置嵌入的图像位置 ID。

txt_ids (`torch.Tensor`) : 用于计算旋转位置嵌入的文本位置 ID。

guidance (`torch.Tensor`, *可选*) : 用于模型引导蒸馏变体的引导尺度嵌入。

return_dict (`bool`，*可选*，默认为 `True`)：是否返回 `~models.transformer_2d.Transformer2DModelOutput` 而不是普通元组。

**返回值：**

如果 `return_dict` 为 True，则返回 `~models.transformer_2d.Transformer2DModelOutput`，否则返回一个 `tuple`，其中第一个元素是样本张量。

前向方法。