Buckets:
| # BriaTransformer2DModel | |
| نموذج flux Transformer معدّل من [Bria](https://huggingface.co/briaai). | |
| ## BriaTransformer2DModel[[diffusers.BriaTransformer2DModel]] | |
| #### diffusers.BriaTransformer2DModel[[diffusers.BriaTransformer2DModel]] | |
| ```python | |
| diffusers.BriaTransformer2DModel(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 = 4096, pooled_projection_dim: int = None, guidance_embeds: bool = False, axes_dims_rope: list[int] = [16, 56, 56], rope_theta = 10000, time_theta = 10000) | |
| ``` | |
| [المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_bria.py#L504) | |
| **المعاملات:** | |
| patch_size (`int`) : حجم الباتش لتحويل البيانات المدخلة إلى باتشات صغيرة. | |
| in_channels (`int`، *اختياري*، القيمة الافتراضية 16) : عدد القنوات في المدخلات. | |
| num_layers (`int`، *اختياري*، القيمة الافتراضية 18) : عدد طبقات كتل MMDiT التي سيتم استخدامها. | |
| num_single_layers (`int`، *اختياري*، القيمة الافتراضية 18) : عدد طبقات كتل DiT المفردة التي سيتم استخدامها. | |
| attention_head_dim (`int`، *اختياري*، القيمة الافتراضية 64) : عدد القنوات في كل رأس. | |
| num_attention_heads (`int`، *اختياري*، القيمة الافتراضية 18) : عدد الرؤوس المستخدمة في الانتباه متعدد الرؤوس. | |
| joint_attention_dim (`int`، *اختياري*) : عدد أبعاد `encoder_hidden_states` التي سيتم استخدامها. | |
| pooled_projection_dim (`int`) : عدد الأبعاد المستخدمة عند إسقاط `pooled_projections`. | |
| guidance_embeds (`bool`، القيمة الافتراضية False) : ما إذا كان سيتم استخدام تضمينات التوجيه. | |
| نموذج Transformer المُقدَّم في Flux. مبني على FluxPipeline مع عدة تغييرات: | |
| - لا توجد تمثيلات مجمّعة | |
| - نستخدم التوسيع الصفري (zero padding) للموجّهات | |
| - لا يوجد تضمين إرشادي لأن هذه ليست نسخة مُقطّرة | |
| مرجع: https://blackforestlabs.ai/announcing-black-forest-labs/ | |
| #### forward[[diffusers.BriaTransformer2DModel.forward]] | |
| ```python | |
| forward(hidden_states: Tensor, encoder_hidden_states: Tensor = None, pooled_projections: Tensor = None, timestep: LongTensor = None, img_ids: Tensor = None, txt_ids: Tensor = None, guidance: Tensor = None, attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True, controlnet_block_samples = None, controlnet_single_block_samples = None) | |
| ``` | |
| [المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_bria.py#L582) | |
| **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. | |
| pooled_projections (`torch.FloatTensor` من الشكل `(batch_size, projection_dim)`) : تمثيلات مُسقطَة من تمثيلات شروط الإدخال. | |
| timestep ( `torch.LongTensor`) : يُستخدم للإشارة إلى خطوة إزالة الضوضاء. | |
| img_ids (`torch.Tensor`) : معرّفات مواضع الصور المستخدمة لحساب التضمينات الموضعية الدوارة. | |
| txt_ids (`torch.Tensor`) : معرّفات مواضع النص المستخدمة لحساب التضمينات الموضعية الدوارة. | |
| guidance (`torch.Tensor`، *اختياري*) : تضمين مقياس التوجيه المستخدم في النسخ المُقطّرة بالتوجيه من النموذج. | |
| controlnet_block_samples (`list` من `torch.Tensor`، *اختياري*) : قائمة من الموترات التي إذا تم تحديدها تُضاف إلى بقايا كتل التحويل. | |
| controlnet_single_block_samples (`list` من `torch.Tensor`، *اختياري*) : قائمة من الموترات التي إذا تم تحديدها تُضاف إلى بقايا كتل التحويل المفردة. | |
| attention_kwargs (`dict`، *اختياري*) : قاموس kwargs يُمرَّر إلى `AttentionProcessor` إذا تم تحديده، كما هو معرَّف تحت `self.processor` في [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py). | |
| 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 [BriaTransformer2DModel](/docs/diffusers/main/ar/api/models/bria_transformer#diffusers.BriaTransformer2DModel) الأمامية. | |
Xet Storage Details
- Size:
- 5.43 kB
- Xet hash:
- 5131728f231fc1943f5014a950cbc7656046a67a825f8e49eb8fac02c691d1b8
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.