参数

• num_attention_heads（int，可选，默认为 16）— 多头注意力机制中使用的注意力头数量。
• attention_head_dim（int，可选，默认值为 72）— 每个注意力头中的通道数。
• in_channels (int，默认为 4) — 输入数据的通道数。
• out_channels (int, optional) — 输出中的通道数。如果输出通道数与输入不同，请指定此参数。
• num_layers（int，可选，默认为 28）— 要使用的 Transformer 块层数。
• dropout（float，可选，默认为 0.0）— 在 Transformer 块中使用的 dropout 概率。
• norm_num_groups (int, 可选，默认为 32) — Transformer 块内组归一化的组数。
• cross_attention_dim（int，可选）— 交叉注意力层的维度，通常与编码器的隐藏维度相匹配。
• attention_bias（bool，可选，默认为 True）— 配置 Transformer 块中的注意力机制是否包含偏置参数。
• sample_size (int, 默认为 128) — 潜在图像的宽度。此参数在训练期间固定不变。
• patch_size (int, 默认为 2) — 模型处理的块大小，适用于处理非顺序数据的架构。
• activation_fn (str, optional, defaults to “gelu-approximate”) — Transformer 块中前馈网络所使用的激活函数。
• num_embeds_ada_norm (int, 可选, 默认为 1000) — AdaLayerNorm 的嵌入数量，在训练期间固定，并影响推理时的最大去噪步数。
• upcast_attention（bool，可选，默认为 False）— 如果为 true，则提升注意力机制的维度，以可能获得更好的性能。
• norm_type (str, optional, defaults to “ada_norm_zero”) — 指定所使用的归一化类型，可以是 ‘ada_norm_zero’。
• norm_elementwise_affine（bool，可选，默认为 False） — 如果为 true，则在归一化层中启用逐元素仿射参数。
• norm_eps（float，可选，默认为 1e-6）—— 在归一化层中添加到分母的一个小常数，用于防止除以零。
• interpolation_scale（int，可选）— 在插值位置嵌入时使用的缩放因子。
• use_additional_conditions（bool，可选）— 是否将额外条件作为输入使用。
• attention_type（str，可选，默认为 “default”）— 要使用的注意力机制类型。
• caption_channels（int，可选，默认为 None）— 用于投影 caption 嵌入的通道数。
• use_linear_projection（bool，可选，默认为 False） — 已弃用的参数。将在未来版本中移除。
• num_vector_embeds（bool，可选，默认为 False） — 已弃用的参数。将在未来版本中移除。