diffusers/main/ar/api/models/aura_flow_transformer2d.md

AuraFlowTransformer2DModel

نموذج Transformer للبيانات المشابهة للصور من AuraFlow.

AuraFlowTransformer2DModel[[diffusers.AuraFlowTransformer2DModel]]

diffusers.AuraFlowTransformer2DModel[[diffusers.AuraFlowTransformer2DModel]]

diffusers.AuraFlowTransformer2DModel(sample_size: int = 64, patch_size: int = 2, in_channels: int = 4, num_mmdit_layers: int = 4, num_single_dit_layers: int = 32, attention_head_dim: int = 256, num_attention_heads: int = 12, joint_attention_dim: int = 2048, caption_projection_dim: int = 3072, out_channels: int = 4, pos_embed_max_size: int = 1024)

المصدر

المعاملات:

sample_size (int) : عرض الصور الكامنة. هذا ثابت أثناء التدريب لأنه يُستخدم لتعلم عدد من تضمينات المواقع.

patch_size (int) : حجم الباتش لتحويل البيانات المدخلة إلى باتشات صغيرة.

in_channels (int، اختياري، القيمة الافتراضية 4) : عدد القنوات في المدخلات.

num_mmdit_layers (int، اختياري، القيمة الافتراضية 4) : عدد طبقات كتل MMDiT Transformer التي سيتم استخدامها.

num_single_dit_layers (int، اختياري، القيمة الافتراضية 32) : عدد طبقات كتل Transformer المستخدمة. تستخدم هذه الكتل تمثيلات الصور والنص المدمجة.

attention_head_dim (int، اختياري، القيمة الافتراضية 256) : عدد القنوات في كل رأس.

num_attention_heads (int، اختياري، القيمة الافتراضية 12) : عدد الرؤوس المستخدمة في الانتباه متعدد الرؤوس.

joint_attention_dim (int، اختياري) : عدد أبعاد encoder_hidden_states التي سيتم استخدامها.

caption_projection_dim (int) : عدد الأبعاد المستخدمة عند إسقاط encoder_hidden_states.

out_channels (int، القيمة الافتراضية 4) : عدد قنوات الإخراج.

pos_embed_max_size (int، القيمة الافتراضية 1024) : الحد الأقصى لعدد المواضع المضمنة من كامنات الصورة.

نموذج Transformer ثنائي الأبعاد كما تم تقديمه في AuraFlow (https://blog.fal.ai/auraflow/).

forward[[diffusers.AuraFlowTransformer2DModel.forward]]

forward(hidden_states: FloatTensor, encoder_hidden_states: FloatTensor = None, timestep: LongTensor = None, attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True)

المصدر

المعاملات:

hidden_states (torch.FloatTensor من الشكل (batch size, channel, height, width)) : مدخلات hidden_states.

encoder_hidden_states (torch.FloatTensor من الشكل (batch size, sequence_len, embed_dims)) : التضمينات الشرطية (التضمينات المحسوبة من الشروط المدخلة مثل الأوامر) للاستخدام.

timestep (torch.LongTensor) : يُستخدم للإشارة إلى خطوة إزالة الضوضاء.

attention_kwargs (dict، اختياري) : قاموس kwargs يُمرَّر إلى AttentionProcessor إذا تم تحديده، كما هو معرَّف تحت self.processor في diffusers.models.attention_processor.

return_dict (bool، اختياري، القيمة الافتراضية True) : ما إذا كان يجب إرجاع ~models.transformer_2d.Transformer2DModelOutput بدلاً من tuple عادي.

يعيد:

إذا كان return_dict صحيحًا، يُعاد ~models.transformer_2d.Transformer2DModelOutput، وإلا يُعاد tuple يكون عنصره الأول هو تينسور العينة.

طريقة AuraFlowTransformer2DModel الأمامية.

fuse_qkv_projections[[diffusers.AuraFlowTransformer2DModel.fuse_qkv_projections]]

fuse_qkv_projections()

المصدر

…

> هذه الواجهة البرمجية 🧪 تجريبية.

unfuse_qkv_projections[[diffusers.AuraFlowTransformer2DModel.unfuse_qkv_projections]]

unfuse_qkv_projections()

المصدر

يعطّل إسقاط QKV المدمج إذا كان مفعّلًا.

> هذه الواجهة البرمجية 🧪 تجريبية.