diffusers/main/ar/api/models/latte_transformer3d.md

LatteTransformer3DModel

نموذج Latte لتحويل الانتشار (Diffusion Transformer) للبيانات ثلاثية الأبعاد.

LatteTransformer3DModel[[diffusers.LatteTransformer3DModel]]

diffusers.LatteTransformer3DModel[[diffusers.LatteTransformer3DModel]]

diffusers.LatteTransformer3DModel(num_attention_heads: int = 16, attention_head_dim: int = 88, in_channels: int | None = None, out_channels: int | None = None, num_layers: int = 1, dropout: float = 0.0, cross_attention_dim: int | None = None, attention_bias: bool = False, sample_size: int = 64, patch_size: int | None = None, activation_fn: str = 'geglu', num_embeds_ada_norm: int | None = None, norm_type: str = 'layer_norm', norm_elementwise_affine: bool = True, norm_eps: float = 1e-05, caption_channels: int = None, video_length: int = 16)

المصدر

forward[[diffusers.LatteTransformer3DModel.forward]]

forward(hidden_states: Tensor, timestep: typing.Optional[torch.LongTensor] = None, encoder_hidden_states: typing.Optional[torch.Tensor] = None, encoder_attention_mask: typing.Optional[torch.Tensor] = None, enable_temporal_attentions: bool = True, return_dict: bool = True)

المصدر

المعاملات:

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

timestep ( torch.LongTensor, اختياري) : يُستخدم للإشارة إلى خطوة إزالة الضوضاء. خطوة زمنية اختيارية تُطبَّق كتضمين في AdaLayerNorm.

encoder_hidden_states ( torch.FloatTensor من الشكل (batch size, sequence len, embed dims), اختياري) : تمثيلات شرطية لطبقة الانتباه المتقاطع. إذا لم تُقدَّم، فإن الانتباه المتقاطع يتحول افتراضيًا إلى الانتباه الذاتي.

encoder_attention_mask ( torch.Tensor, اختياري) : قناع الانتباه المتقاطع المطبّق على encoder_hidden_states. يتم دعم صيغتين: * قناع (batcheight, sequence_length) حيث True = الإبقاء، False = التخلّي. * انحياز (batcheight, 1, sequence_length) حيث 0 = الإبقاء، -10000 = التخلّي. إذا كان ndim == 2: سيتم تفسيره كقناع، ثم تحويله إلى انحياز متوافق مع الصيغة المذكورة أعلاه. سيُضاف هذا الانحياز إلى درجات الانتباه المتقاطع.

enable_temporal_attentions : (bool، اختياري، القيمة الافتراضية True): ما إذا كان سيتم تفعيل الانتباه الزمني.

return_dict (bool، اختياري، القيمة الافتراضية True) : ما إذا كان يجب إرجاع ~models.unet_2d_condition.UNet2DConditionOutput 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 LatteTransformer3DModel الأمامية.