Buckets:
| # دوال التنشيط | |
| دوال تفعيل مخصصة لدعم نماذج متنوعة في 🤗 Diffusers. | |
| ## GELU[[diffusers.models.activations.GELU]] | |
| #### diffusers.models.activations.GELU[[diffusers.models.activations.GELU]] | |
| ```python | |
| diffusers.models.activations.GELU(dim_in: int, dim_out: int, approximate: str = 'none', bias: bool = True) | |
| ``` | |
| [المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/activations.py#L65) | |
| **المعاملات:** | |
| dim_in (`int`) : عدد القنوات في المدخلات. | |
| dim_out (`int`) : عدد القنوات في المخرجات. | |
| approximate (`str`، *اختياري*، القيمة الافتراضية `"none"`) : إذا كانت `"tanh"`، فاستخدم تقريب tanh. | |
| bias (`bool`، القيمة الافتراضية True) : ما إذا كان سيتم استخدام انحياز في الطبقة الخطية. | |
| دالة التنشيط GELU مع دعم تقريب tanh باستخدام `approximate="tanh"`. | |
| ## GEGLU[[diffusers.models.activations.GEGLU]] | |
| #### diffusers.models.activations.GEGLU[[diffusers.models.activations.GEGLU]] | |
| ```python | |
| diffusers.models.activations.GEGLU(dim_in: int, dim_out: int, bias: bool = True) | |
| ``` | |
| [المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/activations.py#L90) | |
| **المعاملات:** | |
| dim_in (`int`) : عدد القنوات في المدخلات. | |
| dim_out (`int`) : عدد القنوات في المخرجات. | |
| bias (`bool`، القيمة الافتراضية True) : ما إذا كان سيتم استخدام انحياز في الطبقة الخطية. | |
| نوع [متغير](https://huggingface.co/papers/2002.05202) من دالة التنشيط للوحدة الخطية البوابة. | |
| ## ApproximateGELU[[diffusers.models.activations.ApproximateGELU]] | |
| #### diffusers.models.activations.ApproximateGELU[[diffusers.models.activations.ApproximateGELU]] | |
| ```python | |
| diffusers.models.activations.ApproximateGELU(dim_in: int, dim_out: int, bias: bool = True) | |
| ``` | |
| [المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/activations.py#L143) | |
| **المعاملات:** | |
| dim_in (`int`) : عدد القنوات في المدخلات. | |
| dim_out (`int`) : عدد القنوات في المخرجات. | |
| bias (`bool`، القيمة الافتراضية True) : ما إذا كان سيتم استخدام انحياز في الطبقة الخطية. | |
| الشكل التقريبي لوحدة الخطأ الغاوسي الخطية (GELU). لمزيد من التفاصيل، راجع القسم 2 من هذا [ورقة بحثية](https://huggingface.co/papers/1606.08415). | |
| ## SwiGLU[[diffusers.models.activations.SwiGLU]] | |
| #### diffusers.models.activations.SwiGLU[[diffusers.models.activations.SwiGLU]] | |
| ```python | |
| diffusers.models.activations.SwiGLU(dim_in: int, dim_out: int, bias: bool = True) | |
| ``` | |
| [المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/activations.py#L120) | |
| **المعاملات:** | |
| dim_in (`int`) : عدد القنوات في المدخلات. | |
| dim_out (`int`) : عدد القنوات في المخرجات. | |
| bias (`bool`، القيمة الافتراضية True) : ما إذا كان سيتم استخدام انحياز في الطبقة الخطية. | |
| نوع [مشتق](https://huggingface.co/papers/2002.05202) من دالة التنشيط المعروفة باسم الوحدة الخطية البوابة. تشبه `GEGLU` لكنها تستخدم SiLU / Swish بدلاً من GeLU. | |
| ## FP32SiLU[[diffusers.models.activations.FP32SiLU]] | |
| #### diffusers.models.activations.FP32SiLU[[diffusers.models.activations.FP32SiLU]] | |
| ```python | |
| diffusers.models.activations.FP32SiLU() | |
| ``` | |
| [المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/activations.py#L53) | |
| دالة التنشيط SiLU مع رفع نوع بيانات المدخلات إلى torch.float32. | |
| ## LinearActivation[[diffusers.models.activations.LinearActivation]] | |
| #### diffusers.models.activations.LinearActivation[[diffusers.models.activations.LinearActivation]] | |
| ```python | |
| diffusers.models.activations.LinearActivation(dim_in: int, dim_out: int, bias: bool = True, activation: str = 'silu') | |
| ``` | |
| [المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/activations.py#L163) | |
Xet Storage Details
- Size:
- 4.36 kB
- Xet hash:
- 6cfe4354819f752efa7cb419f05050a8cd17996280b812f83f3272e5b3f7442d
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.