Buckets:

hf-doc-build
/

doc

Files

xet

hf-doc-build/doc / diffusers /main /ar /api /models /controlnet_hunyuandit.md

mishig

8 days ago

preview code

download

raw

13.9 kB

# HunyuanDiT2DControlNetModel

HunyuanDiT2DControlNetModel هو تطبيق لـ ControlNet مخصص لـ [Hunyuan-DiT](https://huggingface.co/papers/2405.08748).

تم تقديم ControlNet في [Adding Conditional Control to Text-to-Image Diffusion Models](https://huggingface.co/papers/2302.05543) بواسطة Lvmin Zhang وAnyi Rao وManeesh Agrawala.

باستخدام نموذج ControlNet، يمكنك تقديم صورة تحكم إضافية لتكييف وتوجيه عملية توليد Hunyuan-DiT. على سبيل المثال، إذا قدمت خريطة عمق، فإن نموذج ControlNet يولّد صورة تحافظ على المعلومات المكانية المستمدة من خريطة العمق. وهي طريقة أكثر مرونة ودقة للتحكم في عملية توليد الصور.

ملخص الورقة البحثية هو:

*نقدّم ControlNet، وهو معمارية شبكة عصبية لإضافة ضوابط شرطيّة مكانية إلى نماذج الانتشار النصّية-إلى-صورة الكبيرة المُدرَّبة مسبقًا. تقوم ControlNet بقفل نماذج الانتشار الكبيرة الجاهزة للإنتاج، وتعيد استخدام طبقات الترميز العميقة والقوية المُدرَّبة مسبقًا على مليارات الصور كهيكل أساسي قوي لتعلّم مجموعة متنوعة من الضوابط الشرطيّة. يتم ربط المعمارية العصبية بـ "التحويلات الصفرية" (طبقات تحويل مُهيّأة إلى الصفر) التي تُنمّي المعاملات تدريجيًا من الصفر وتضمن عدم تأثير أي ضوضاء ضارة على الضبط الدقيق. اختبرنا ضوابط شرطيّة متنوعة، مثل الحواف، والعمق، والتجزئة، ووضع الجسم البشري، وغيرها، باستخدام Stable Diffusion، باستخدام شرط واحد أو عدة شروط، مع وجود موجهات نصية أو بدونها. نُظهر أنّ تدريب نماذج ControlNet متين مع مجموعات البيانات الصغيرة (<50k) والكبيرة (>1m). تُظهر النتائج الواسعة أنّ ControlNet قد يسهّل تطبيقات أوسع للتحكم في نماذج انتشار الصور.*

تم تنفيذ هذا الكود بواسطة فريق Tencent Hunyuan. يمكنك العثور على نقاط الفحص المسبقة التدريب لنماذج Hunyuan-DiT ControlNets على [Tencent Hunyuan](https://huggingface.co/Tencent-Hunyuan).

## مثال على تحميل HunyuanDiT2DControlNetModel

```py
from diffusers import HunyuanDiT2DControlNetModel
import torch
controlnet = HunyuanDiT2DControlNetModel.from_pretrained("Tencent-Hunyuan/HunyuanDiT-v1.1-ControlNet-Diffusers-Pose", dtype=torch.float16)
```

## HunyuanDiT2DControlNetModel[[diffusers.HunyuanDiT2DControlNetModel]]

#### diffusers.HunyuanDiT2DControlNetModel[[diffusers.HunyuanDiT2DControlNetModel]]

```python
diffusers.HunyuanDiT2DControlNetModel(conditioning_channels: int = 3, num_attention_heads: int = 16, attention_head_dim: int = 88, in_channels: int | None = None, patch_size: int | None = None, activation_fn: str = 'gelu-approximate', sample_size = 32, hidden_size = 1152, transformer_num_layers: int = 40, mlp_ratio: float = 4.0, cross_attention_dim: int = 1024, cross_attention_dim_t5: int = 2048, pooled_projection_dim: int = 1024, text_len: int = 77, text_len_t5: int = 256, use_style_cond_and_image_meta_size: bool = True)
```

[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/controlnets/controlnet_hunyuan.py#L40)

#### forward[[diffusers.HunyuanDiT2DControlNetModel.forward]]

```python
forward(hidden_states, timestep, controlnet_cond: Tensor, conditioning_scale: float = 1.0, encoder_hidden_states = None, text_embedding_mask = None, encoder_hidden_states_t5 = None, text_embedding_mask_t5 = None, image_meta_size = None, style = None, image_rotary_emb = None, return_dict = True)
```

[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/controlnets/controlnet_hunyuan.py#L215)

**المعاملات:**

hidden_states (`torch.Tensor` من الشكل `(batch size, dim, height, width)`) : المصفوفة المدخلة.
timestep ( `torch.LongTensor`, *اختياري*) : يُستخدم للإشارة إلى خطوة إزالة الضوضاء.
controlnet_cond ( `torch.Tensor` ) : مدخل الشرط الخاص بـ ControlNet.

conditioning_scale ( `float` ) : تحديد مقياس الشرط.
encoder_hidden_states ( `torch.Tensor` من الشكل `(batch size, sequence len, embed dims)`، *اختياري*) : تمثيلات شرطية لطبقة الانتباه المتقاطع. هذا هو ناتج `BertModel`.
text_embedding_mask : torch.Tensor يُطبَّق قناع انتباه (attention mask) على شكل `(batch, key_tokens)` على `encoder_hidden_states`. هذا هو ناتج `BertModel`.

encoder_hidden_states_t5 ( `torch.Tensor` من الشكل `(batch size, sequence len, embed dims)`، *اختياري*) : تمثيلات شرطية لطبقة الانتباه المتقاطع. هذا هو ناتج مشفّر النص T5.
text_embedding_mask_t5 : torch.Tensor يُطبَّق قناع انتباه (attention mask) على شكل `(batch, key_tokens)` على `encoder_hidden_states`. هذا هو ناتج مُشفِّر النص (Text Encoder) الخاص بـ T5.

image_meta_size (torch.Tensor) : تضمين شرطي يشير إلى أحجام الصور

style : torch.Tensor: تضمين شرطي يشير إلى الأسلوب

image_rotary_emb (`torch.Tensor`) : تضمينات الدوران للصور التي تُطبَّق على متجهات الاستعلام والمفتاح أثناء حساب الانتباه.

return_dict : bool ما إذا كان يجب إرجاع قاموس.
**يعيد:**
إذا كان `return_dict` صحيحًا، يُعاد `HunyuanControlNetOutput`، وإلا يُعاد `tuple` يكون عنصره الأول هو قائمة عينات كتل ControlNet.

طريقة [HunyuanDiT2DControlNetModel](/docs/diffusers/main/ar/api/models/controlnet_hunyuandit#diffusers.HunyuanDiT2DControlNetModel) الأمامية.

#### set_attn_processor[[diffusers.HunyuanDiT2DControlNetModel.set_attn_processor]]

```python
set_attn_processor(processor: diffusers.models.attention_processor.AttnProcessor | diffusers.models.attention_processor.CustomDiffusionAttnProcessor | diffusers.models.attention_processor.AttnAddedKVProcessor | diffusers.models.attention_processor.AttnAddedKVProcessor2_0 | diffusers.models.attention_processor.JointAttnProcessor2_0 | diffusers.models.attention_processor.PAGJointAttnProcessor2_0 | diffusers.models.attention_processor.PAGCFGJointAttnProcessor2_0 | diffusers.models.attention_processor.FusedJointAttnProcessor2_0 | diffusers.models.attention_processor.AllegroAttnProcessor2_0 | diffusers.models.attention_processor.AuraFlowAttnProcessor2_0 | diffusers.models.attention_processor.FusedAuraFlowAttnProcessor2_0 | diffusers.models.attention_processor.FluxAttnProcessor2_0 | diffusers.models.attention_processor.FluxAttnProcessor2_0_NPU | diffusers.models.attention_processor.FusedFluxAttnProcessor2_0 | diffusers.models.attention_processor.FusedFluxAttnProcessor2_0_NPU | diffusers.models.attention_processor.CogVideoXAttnProcessor2_0 | diffusers.models.attention_processor.FusedCogVideoXAttnProcessor2_0 | diffusers.models.attention_processor.XFormersAttnAddedKVProcessor | diffusers.models.attention_processor.XFormersAttnProcessor | diffusers.models.attention_processor.XLAFlashAttnProcessor2_0 | diffusers.models.attention_processor.AttnProcessorNPU | diffusers.models.attention_processor.AttnProcessor2_0 | diffusers.models.attention_processor.MochiVaeAttnProcessor2_0 | diffusers.models.attention_processor.MochiAttnProcessor2_0 | diffusers.models.attention_processor.StableAudioAttnProcessor2_0 | diffusers.models.attention_processor.HunyuanAttnProcessor2_0 | diffusers.models.attention_processor.FusedHunyuanAttnProcessor2_0 | diffusers.models.attention_processor.PAGHunyuanAttnProcessor2_0 | diffusers.models.attention_processor.PAGCFGHunyuanAttnProcessor2_0 | diffusers.models.attention_processor.LuminaAttnProcessor2_0 | diffusers.models.attention_processor.FusedAttnProcessor2_0 | diffusers.models.attention_processor.CustomDiffusionXFormersAttnProcessor | diffusers.models.attention_processor.CustomDiffusionAttnProcessor2_0 | diffusers.models.attention_processor.SlicedAttnProcessor | diffusers.models.attention_processor.SlicedAttnAddedKVProcessor | diffusers.models.attention_processor.SanaLinearAttnProcessor2_0 | diffusers.models.attention_processor.PAGCFGSanaLinearAttnProcessor2_0 | diffusers.models.attention_processor.PAGIdentitySanaLinearAttnProcessor2_0 | diffusers.models.attention_processor.SanaMultiscaleLinearAttention | diffusers.models.attention_processor.SanaMultiscaleAttnProcessor2_0 | diffusers.models.attention_processor.SanaMultiscaleAttentionProjection | diffusers.models.attention_processor.IPAdapterAttnProcessor | diffusers.models.attention_processor.IPAdapterAttnProcessor2_0 | diffusers.models.attention_processor.IPAdapterXFormersAttnProcessor | diffusers.models.attention_processor.SD3IPAdapterJointAttnProcessor2_0 | diffusers.models.attention_processor.PAGIdentitySelfAttnProcessor2_0 | diffusers.models.attention_processor.PAGCFGIdentitySelfAttnProcessor2_0 | diffusers.models.attention_processor.LoRAAttnProcessor | diffusers.models.attention_processor.LoRAAttnProcessor2_0 | diffusers.models.attention_processor.LoRAXFormersAttnProcessor | diffusers.models.attention_processor.LoRAAttnAddedKVProcessor | dict[str, diffusers.models.attention_processor.AttnProcessor | diffusers.models.attention_processor.CustomDiffusionAttnProcessor | diffusers.models.attention_processor.AttnAddedKVProcessor | diffusers.models.attention_processor.AttnAddedKVProcessor2_0 | diffusers.models.attention_processor.JointAttnProcessor2_0 | diffusers.models.attention_processor.PAGJointAttnProcessor2_0 | diffusers.models.attention_processor.PAGCFGJointAttnProcessor2_0 | diffusers.models.attention_processor.FusedJointAttnProcessor2_0 | diffusers.models.attention_processor.AllegroAttnProcessor2_0 | diffusers.models.attention_processor.AuraFlowAttnProcessor2_0 | diffusers.models.attention_processor.FusedAuraFlowAttnProcessor2_0 | diffusers.models.attention_processor.FluxAttnProcessor2_0 | diffusers.models.attention_processor.FluxAttnProcessor2_0_NPU | diffusers.models.attention_processor.FusedFluxAttnProcessor2_0 | diffusers.models.attention_processor.FusedFluxAttnProcessor2_0_NPU | diffusers.models.attention_processor.CogVideoXAttnProcessor2_0 | diffusers.models.attention_processor.FusedCogVideoXAttnProcessor2_0 | diffusers.models.attention_processor.XFormersAttnAddedKVProcessor | diffusers.models.attention_processor.XFormersAttnProcessor | diffusers.models.attention_processor.XLAFlashAttnProcessor2_0 | diffusers.models.attention_processor.AttnProcessorNPU | diffusers.models.attention_processor.AttnProcessor2_0 | diffusers.models.attention_processor.MochiVaeAttnProcessor2_0 | diffusers.models.attention_processor.MochiAttnProcessor2_0 | diffusers.models.attention_processor.StableAudioAttnProcessor2_0 | diffusers.models.attention_processor.HunyuanAttnProcessor2_0 | diffusers.models.attention_processor.FusedHunyuanAttnProcessor2_0 | diffusers.models.attention_processor.PAGHunyuanAttnProcessor2_0 | diffusers.models.attention_processor.PAGCFGHunyuanAttnProcessor2_0 | diffusers.models.attention_processor.LuminaAttnProcessor2_0 | diffusers.models.attention_processor.FusedAttnProcessor2_0 | diffusers.models.attention_processor.CustomDiffusionXFormersAttnProcessor | diffusers.models.attention_processor.CustomDiffusionAttnProcessor2_0 | diffusers.models.attention_processor.SlicedAttnProcessor | diffusers.models.attention_processor.SlicedAttnAddedKVProcessor | diffusers.models.attention_processor.SanaLinearAttnProcessor2_0 | diffusers.models.attention_processor.PAGCFGSanaLinearAttnProcessor2_0 | diffusers.models.attention_processor.PAGIdentitySanaLinearAttnProcessor2_0 | diffusers.models.attention_processor.SanaMultiscaleLinearAttention | diffusers.models.attention_processor.SanaMultiscaleAttnProcessor2_0 | diffusers.models.attention_processor.SanaMultiscaleAttentionProjection | diffusers.models.attention_processor.IPAdapterAttnProcessor | diffusers.models.attention_processor.IPAdapterAttnProcessor2_0 | diffusers.models.attention_processor.IPAdapterXFormersAttnProcessor | diffusers.models.attention_processor.SD3IPAdapterJointAttnProcessor2_0 | diffusers.models.attention_processor.PAGIdentitySelfAttnProcessor2_0 | diffusers.models.attention_processor.PAGCFGIdentitySelfAttnProcessor2_0 | diffusers.models.attention_processor.LoRAAttnProcessor | diffusers.models.attention_processor.LoRAAttnProcessor2_0 | diffusers.models.attention_processor.LoRAXFormersAttnProcessor | diffusers.models.attention_processor.LoRAAttnAddedKVProcessor])
```

[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/controlnets/controlnet_hunyuan.py#L141)

**المعاملات:**

processor (`dict` من `AttentionProcessor` أو `AttentionProcessor` فقط) : فئة المعالج المُثبَّتة أو قاموس لفئات المعالجات التي سيتم تعيينها كمعالج لـ **جميع** طبقات `Attention`. إذا كان `processor` قاموسًا، فيجب أن يحدد المفتاح المسار إلى معالج الانتباه المتقاطع المقابل. يُوصى بشدة بذلك عند تعيين معالجات انتباه قابلة للتدريب.

يحدد معالج الانتباه الذي سيتم استخدامه لحساب الانتباه.

Xet Storage Details

Size:: 13.9 kB
Xet hash:: 4589ec32f598ce1a329fe750c2d2c7f28120bea775ae430b04cee7754f5ebaf0

Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.

	# HunyuanDiT2DControlNetModel

	HunyuanDiT2DControlNetModel هو تطبيق لـ ControlNet مخصص لـ [Hunyuan-DiT](https://huggingface.co/papers/2405.08748).

	تم تقديم ControlNet في [Adding Conditional Control to Text-to-Image Diffusion Models](https://huggingface.co/papers/2302.05543) بواسطة Lvmin Zhang وAnyi Rao وManeesh Agrawala.

	باستخدام نموذج ControlNet، يمكنك تقديم صورة تحكم إضافية لتكييف وتوجيه عملية توليد Hunyuan-DiT. على سبيل المثال، إذا قدمت خريطة عمق، فإن نموذج ControlNet يولّد صورة تحافظ على المعلومات المكانية المستمدة من خريطة العمق. وهي طريقة أكثر مرونة ودقة للتحكم في عملية توليد الصور.

	ملخص الورقة البحثية هو:

	نقدّم ControlNet، وهو معمارية شبكة عصبية لإضافة ضوابط شرطيّة مكانية إلى نماذج الانتشار النصّية-إلى-صورة الكبيرة المُدرَّبة مسبقًا. تقوم ControlNet بقفل نماذج الانتشار الكبيرة الجاهزة للإنتاج، وتعيد استخدام طبقات الترميز العميقة والقوية المُدرَّبة مسبقًا على مليارات الصور كهيكل أساسي قوي لتعلّم مجموعة متنوعة من الضوابط الشرطيّة. يتم ربط المعمارية العصبية بـ "التحويلات الصفرية" (طبقات تحويل مُهيّأة إلى الصفر) التي تُنمّي المعاملات تدريجيًا من الصفر وتضمن عدم تأثير أي ضوضاء ضارة على الضبط الدقيق. اختبرنا ضوابط شرطيّة متنوعة، مثل الحواف، والعمق، والتجزئة، ووضع الجسم البشري، وغيرها، باستخدام Stable Diffusion، باستخدام شرط واحد أو عدة شروط، مع وجود موجهات نصية أو بدونها. نُظهر أنّ تدريب نماذج ControlNet متين مع مجموعات البيانات الصغيرة (<50k) والكبيرة (>1m). تُظهر النتائج الواسعة أنّ ControlNet قد يسهّل تطبيقات أوسع للتحكم في نماذج انتشار الصور.

	تم تنفيذ هذا الكود بواسطة فريق Tencent Hunyuan. يمكنك العثور على نقاط الفحص المسبقة التدريب لنماذج Hunyuan-DiT ControlNets على [Tencent Hunyuan](https://huggingface.co/Tencent-Hunyuan).

	## مثال على تحميل HunyuanDiT2DControlNetModel

	```py
	from diffusers import HunyuanDiT2DControlNetModel
	import torch
	controlnet = HunyuanDiT2DControlNetModel.from_pretrained("Tencent-Hunyuan/HunyuanDiT-v1.1-ControlNet-Diffusers-Pose", dtype=torch.float16)
	```

	## HunyuanDiT2DControlNetModel[[diffusers.HunyuanDiT2DControlNetModel]]

	#### diffusers.HunyuanDiT2DControlNetModel[[diffusers.HunyuanDiT2DControlNetModel]]

	```python
	diffusers.HunyuanDiT2DControlNetModel(conditioning_channels: int = 3, num_attention_heads: int = 16, attention_head_dim: int = 88, in_channels: int \| None = None, patch_size: int \| None = None, activation_fn: str = 'gelu-approximate', sample_size = 32, hidden_size = 1152, transformer_num_layers: int = 40, mlp_ratio: float = 4.0, cross_attention_dim: int = 1024, cross_attention_dim_t5: int = 2048, pooled_projection_dim: int = 1024, text_len: int = 77, text_len_t5: int = 256, use_style_cond_and_image_meta_size: bool = True)
	```

	[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/controlnets/controlnet_hunyuan.py#L40)

	#### forward[[diffusers.HunyuanDiT2DControlNetModel.forward]]

	```python
	forward(hidden_states, timestep, controlnet_cond: Tensor, conditioning_scale: float = 1.0, encoder_hidden_states = None, text_embedding_mask = None, encoder_hidden_states_t5 = None, text_embedding_mask_t5 = None, image_meta_size = None, style = None, image_rotary_emb = None, return_dict = True)
	```

	[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/controlnets/controlnet_hunyuan.py#L215)

	المعاملات:

	hidden_states (`torch.Tensor` من الشكل `(batch size, dim, height, width)`) : المصفوفة المدخلة.

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

	controlnet_cond ( `torch.Tensor` ) : مدخل الشرط الخاص بـ ControlNet.

	conditioning_scale ( `float` ) : تحديد مقياس الشرط.

	encoder_hidden_states ( `torch.Tensor` من الشكل `(batch size, sequence len, embed dims)`، اختياري) : تمثيلات شرطية لطبقة الانتباه المتقاطع. هذا هو ناتج `BertModel`.

	text_embedding_mask : torch.Tensor يُطبَّق قناع انتباه (attention mask) على شكل `(batch, key_tokens)` على `encoder_hidden_states`. هذا هو ناتج `BertModel`.

	encoder_hidden_states_t5 ( `torch.Tensor` من الشكل `(batch size, sequence len, embed dims)`، اختياري) : تمثيلات شرطية لطبقة الانتباه المتقاطع. هذا هو ناتج مشفّر النص T5.

	text_embedding_mask_t5 : torch.Tensor يُطبَّق قناع انتباه (attention mask) على شكل `(batch, key_tokens)` على `encoder_hidden_states`. هذا هو ناتج مُشفِّر النص (Text Encoder) الخاص بـ T5.

	image_meta_size (torch.Tensor) : تضمين شرطي يشير إلى أحجام الصور

	style : torch.Tensor: تضمين شرطي يشير إلى الأسلوب

	image_rotary_emb (`torch.Tensor`) : تضمينات الدوران للصور التي تُطبَّق على متجهات الاستعلام والمفتاح أثناء حساب الانتباه.

	return_dict : bool ما إذا كان يجب إرجاع قاموس.

	يعيد:

	إذا كان `return_dict` صحيحًا، يُعاد `HunyuanControlNetOutput`، وإلا يُعاد `tuple` يكون عنصره الأول هو قائمة عينات كتل ControlNet.

	طريقة [HunyuanDiT2DControlNetModel](/docs/diffusers/main/ar/api/models/controlnet_hunyuandit#diffusers.HunyuanDiT2DControlNetModel) الأمامية.

	#### set_attn_processor[[diffusers.HunyuanDiT2DControlNetModel.set_attn_processor]]

	```python
	set_attn_processor(processor: diffusers.models.attention_processor.AttnProcessor \| diffusers.models.attention_processor.CustomDiffusionAttnProcessor \| diffusers.models.attention_processor.AttnAddedKVProcessor \| diffusers.models.attention_processor.AttnAddedKVProcessor2_0 \| diffusers.models.attention_processor.JointAttnProcessor2_0 \| diffusers.models.attention_processor.PAGJointAttnProcessor2_0 \| diffusers.models.attention_processor.PAGCFGJointAttnProcessor2_0 \| diffusers.models.attention_processor.FusedJointAttnProcessor2_0 \| diffusers.models.attention_processor.AllegroAttnProcessor2_0 \| diffusers.models.attention_processor.AuraFlowAttnProcessor2_0 \| diffusers.models.attention_processor.FusedAuraFlowAttnProcessor2_0 \| diffusers.models.attention_processor.FluxAttnProcessor2_0 \| diffusers.models.attention_processor.FluxAttnProcessor2_0_NPU \| diffusers.models.attention_processor.FusedFluxAttnProcessor2_0 \| diffusers.models.attention_processor.FusedFluxAttnProcessor2_0_NPU \| diffusers.models.attention_processor.CogVideoXAttnProcessor2_0 \| diffusers.models.attention_processor.FusedCogVideoXAttnProcessor2_0 \| diffusers.models.attention_processor.XFormersAttnAddedKVProcessor \| diffusers.models.attention_processor.XFormersAttnProcessor \| diffusers.models.attention_processor.XLAFlashAttnProcessor2_0 \| diffusers.models.attention_processor.AttnProcessorNPU \| diffusers.models.attention_processor.AttnProcessor2_0 \| diffusers.models.attention_processor.MochiVaeAttnProcessor2_0 \| diffusers.models.attention_processor.MochiAttnProcessor2_0 \| diffusers.models.attention_processor.StableAudioAttnProcessor2_0 \| diffusers.models.attention_processor.HunyuanAttnProcessor2_0 \| diffusers.models.attention_processor.FusedHunyuanAttnProcessor2_0 \| diffusers.models.attention_processor.PAGHunyuanAttnProcessor2_0 \| diffusers.models.attention_processor.PAGCFGHunyuanAttnProcessor2_0 \| diffusers.models.attention_processor.LuminaAttnProcessor2_0 \| diffusers.models.attention_processor.FusedAttnProcessor2_0 \| diffusers.models.attention_processor.CustomDiffusionXFormersAttnProcessor \| diffusers.models.attention_processor.CustomDiffusionAttnProcessor2_0 \| diffusers.models.attention_processor.SlicedAttnProcessor \| diffusers.models.attention_processor.SlicedAttnAddedKVProcessor \| diffusers.models.attention_processor.SanaLinearAttnProcessor2_0 \| diffusers.models.attention_processor.PAGCFGSanaLinearAttnProcessor2_0 \| diffusers.models.attention_processor.PAGIdentitySanaLinearAttnProcessor2_0 \| diffusers.models.attention_processor.SanaMultiscaleLinearAttention \| diffusers.models.attention_processor.SanaMultiscaleAttnProcessor2_0 \| diffusers.models.attention_processor.SanaMultiscaleAttentionProjection \| diffusers.models.attention_processor.IPAdapterAttnProcessor \| diffusers.models.attention_processor.IPAdapterAttnProcessor2_0 \| diffusers.models.attention_processor.IPAdapterXFormersAttnProcessor \| diffusers.models.attention_processor.SD3IPAdapterJointAttnProcessor2_0 \| diffusers.models.attention_processor.PAGIdentitySelfAttnProcessor2_0 \| diffusers.models.attention_processor.PAGCFGIdentitySelfAttnProcessor2_0 \| diffusers.models.attention_processor.LoRAAttnProcessor \| diffusers.models.attention_processor.LoRAAttnProcessor2_0 \| diffusers.models.attention_processor.LoRAXFormersAttnProcessor \| diffusers.models.attention_processor.LoRAAttnAddedKVProcessor \| dict[str, diffusers.models.attention_processor.AttnProcessor \| diffusers.models.attention_processor.CustomDiffusionAttnProcessor \| diffusers.models.attention_processor.AttnAddedKVProcessor \| diffusers.models.attention_processor.AttnAddedKVProcessor2_0 \| diffusers.models.attention_processor.JointAttnProcessor2_0 \| diffusers.models.attention_processor.PAGJointAttnProcessor2_0 \| diffusers.models.attention_processor.PAGCFGJointAttnProcessor2_0 \| diffusers.models.attention_processor.FusedJointAttnProcessor2_0 \| diffusers.models.attention_processor.AllegroAttnProcessor2_0 \| diffusers.models.attention_processor.AuraFlowAttnProcessor2_0 \| diffusers.models.attention_processor.FusedAuraFlowAttnProcessor2_0 \| diffusers.models.attention_processor.FluxAttnProcessor2_0 \| diffusers.models.attention_processor.FluxAttnProcessor2_0_NPU \| diffusers.models.attention_processor.FusedFluxAttnProcessor2_0 \| diffusers.models.attention_processor.FusedFluxAttnProcessor2_0_NPU \| diffusers.models.attention_processor.CogVideoXAttnProcessor2_0 \| diffusers.models.attention_processor.FusedCogVideoXAttnProcessor2_0 \| diffusers.models.attention_processor.XFormersAttnAddedKVProcessor \| diffusers.models.attention_processor.XFormersAttnProcessor \| diffusers.models.attention_processor.XLAFlashAttnProcessor2_0 \| diffusers.models.attention_processor.AttnProcessorNPU \| diffusers.models.attention_processor.AttnProcessor2_0 \| diffusers.models.attention_processor.MochiVaeAttnProcessor2_0 \| diffusers.models.attention_processor.MochiAttnProcessor2_0 \| diffusers.models.attention_processor.StableAudioAttnProcessor2_0 \| diffusers.models.attention_processor.HunyuanAttnProcessor2_0 \| diffusers.models.attention_processor.FusedHunyuanAttnProcessor2_0 \| diffusers.models.attention_processor.PAGHunyuanAttnProcessor2_0 \| diffusers.models.attention_processor.PAGCFGHunyuanAttnProcessor2_0 \| diffusers.models.attention_processor.LuminaAttnProcessor2_0 \| diffusers.models.attention_processor.FusedAttnProcessor2_0 \| diffusers.models.attention_processor.CustomDiffusionXFormersAttnProcessor \| diffusers.models.attention_processor.CustomDiffusionAttnProcessor2_0 \| diffusers.models.attention_processor.SlicedAttnProcessor \| diffusers.models.attention_processor.SlicedAttnAddedKVProcessor \| diffusers.models.attention_processor.SanaLinearAttnProcessor2_0 \| diffusers.models.attention_processor.PAGCFGSanaLinearAttnProcessor2_0 \| diffusers.models.attention_processor.PAGIdentitySanaLinearAttnProcessor2_0 \| diffusers.models.attention_processor.SanaMultiscaleLinearAttention \| diffusers.models.attention_processor.SanaMultiscaleAttnProcessor2_0 \| diffusers.models.attention_processor.SanaMultiscaleAttentionProjection \| diffusers.models.attention_processor.IPAdapterAttnProcessor \| diffusers.models.attention_processor.IPAdapterAttnProcessor2_0 \| diffusers.models.attention_processor.IPAdapterXFormersAttnProcessor \| diffusers.models.attention_processor.SD3IPAdapterJointAttnProcessor2_0 \| diffusers.models.attention_processor.PAGIdentitySelfAttnProcessor2_0 \| diffusers.models.attention_processor.PAGCFGIdentitySelfAttnProcessor2_0 \| diffusers.models.attention_processor.LoRAAttnProcessor \| diffusers.models.attention_processor.LoRAAttnProcessor2_0 \| diffusers.models.attention_processor.LoRAXFormersAttnProcessor \| diffusers.models.attention_processor.LoRAAttnAddedKVProcessor])
	```

	[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/controlnets/controlnet_hunyuan.py#L141)

	المعاملات:

	processor (`dict` من `AttentionProcessor` أو `AttentionProcessor` فقط) : فئة المعالج المُثبَّتة أو قاموس لفئات المعالجات التي سيتم تعيينها كمعالج لـ جميع طبقات `Attention`. إذا كان `processor` قاموسًا، فيجب أن يحدد المفتاح المسار إلى معالج الانتباه المتقاطع المقابل. يُوصى بشدة بذلك عند تعيين معالجات انتباه قابلة للتدريب.

	يحدد معالج الانتباه الذي سيتم استخدامه لحساب الانتباه.