Buckets:
| # LuminaNextDiT2DModel | |
| نسخة جديدة من نموذج Diffusion Transformer للبيانات ثنائية الأبعاد من [Lumina-T2X](https://github.com/Alpha-VLLM/Lumina-T2X). | |
| ## LuminaNextDiT2DModel[[diffusers.LuminaNextDiT2DModel]] | |
| #### diffusers.LuminaNextDiT2DModel[[diffusers.LuminaNextDiT2DModel]] | |
| ```python | |
| diffusers.LuminaNextDiT2DModel(sample_size: int = 128, patch_size: int | None = 2, in_channels: int | None = 4, hidden_size: int | None = 2304, num_layers: int | None = 32, num_attention_heads: int | None = 32, num_kv_heads: int | None = None, multiple_of: int | None = 256, ffn_dim_multiplier: float | None = None, norm_eps: float | None = 1e-05, learn_sigma: bool | None = True, qk_norm: bool | None = True, cross_attention_dim: int | None = 2048, scaling_factor: float | None = 1.0) | |
| ``` | |
| [المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/lumina_nextdit2d.py#L178) | |
| **المعاملات:** | |
| sample_size (`int`) : عرض الصور الكامنة. هذا ثابت أثناء التدريب لأنه يُستخدم لتعلم عدد من تضمينات المواقع. | |
| patch_size (`int`، *اختياري*، (`int`، *اختياري*، القيمة الافتراضية 2) : حجم كل رقعة في الصورة. يحدد هذا المعامل دقة الرقع المُدخلة إلى النموذج. | |
| in_channels (`int`، *اختياري*، القيمة الافتراضية 4) : عدد قنوات الإدخال للنموذج. عادةً، يتطابق هذا العدد مع عدد القنوات في الصور المدخلة. | |
| hidden_size (`int`، *اختياري*، القيمة الافتراضية 4096) : بُعد الطبقات المخفية في النموذج. يحدد هذا المعامل عرض التمثيلات المخفية للنموذج. | |
| num_layers (`int`، *اختياري*، الافتراضي 32) : عدد الطبقات في النموذج. يحدد هذا عمق الشبكة العصبية. | |
| num_attention_heads (`int`، *اختياري*، القيمة الافتراضية 32) : عدد رؤوس الانتباه في كل طبقة انتباه. يحدد هذا المعامل عدد آليات الانتباه المنفصلة المستخدمة. | |
| num_kv_heads (`int`، *اختياري*، القيمة الافتراضية 8) : عدد رؤوس المفاتيح والقيم في آلية الانتباه، إذا كان مختلفًا عن عدد رؤوس الانتباه. إذا كانت القيمة None، فإنها تتحول افتراضيًا إلى num_attention_heads. | |
| multiple_of (`int`، *اختياري*، القيمة الافتراضية 256) : عامل يجب أن تكون حجم المخفي مضاعفًا له. يمكن أن يساعد ذلك في تحسين بعض تكوينات الأجهزة. | |
| ffn_dim_multiplier (`float`، *اختياري*) : مُضاعِف لأبعاد الشبكة الأمامية. إذا كانت القيمة None، فسيتم استخدام قيمة افتراضية بناءً على إعدادات النموذج. | |
| norm_eps (`float`، *اختياري*، القيمة الافتراضية 1e-5) : قيمة صغيرة تُضاف إلى المقام لضمان الاستقرار العددي في طبقات التطبيع. | |
| learn_sigma (`bool`، *اختياري*، القيمة الافتراضية True) : ما إذا كان يجب على النموذج تعلّم معامل sigma، والذي قد يكون مرتبطًا بعدم اليقين أو التباين في التنبؤات. | |
| qk_norm (`bool`، *اختياري*، القيمة الافتراضية True) : يحدد ما إذا كان يجب تطبيع الاستعلامات والمفاتيح في آلية الانتباه. | |
| cross_attention_dim (`int`، *اختياري*، القيمة الافتراضية 2048) : بُعد تمثيلات النص. يحدد هذا المعامل حجم التمثيلات النصية المستخدمة في النموذج. | |
| scaling_factor (`float`، *اختياري*، القيمة الافتراضية 1.0) : معامل مقياس يُطبَّق على بعض المعاملات أو الطبقات في النموذج. يمكن استخدامه لضبط المقياس العام لعمليات النموذج. | |
| LuminaNextDiT: نموذج انتشار بهيكل أساسي من نوع Transformer. | |
| ورث ModelMixin وConfigMixin لتكون متوافقة مع عينة StableDiffusionPipeline من diffusers. | |
| #### forward[[diffusers.LuminaNextDiT2DModel.forward]] | |
| ```python | |
| forward(hidden_states: Tensor, timestep: Tensor, encoder_hidden_states: Tensor, encoder_mask: Tensor, image_rotary_emb: Tensor, cross_attention_kwargs: dict[str, typing.Any] = None, return_dict = True) | |
| ``` | |
| [المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/lumina_nextdit2d.py#L291) | |
| **المعاملات:** | |
| hidden_states (torch.Tensor) : متجه الإدخال ذو الشكل (N, C, H, W). | |
| timestep (torch.Tensor) : متجه (Tensor) لخطوات الانتشار (diffusion timesteps) من الشكل (N,). | |
| encoder_hidden_states (torch.Tensor) : متجه (Tensor) لميزات الوصف (caption features) بأبعاد (N, D). | |
| encoder_mask (torch.Tensor) : متجه (Tensor) لأقنعة التسميات (caption masks) بأبعاد (N, L). | |
| image_rotary_emb (`torch.Tensor`) : تمثيلات موضعية دوّارة محسوبة مسبقًا. | |
| cross_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:** `~models.transformer_2d.Transformer2DModelOutput` أو `tuple` | |
| إذا كان `return_dict` صحيحًا، يُعاد `~models.transformer_2d.Transformer2DModelOutput`، وإلا يُعاد `tuple` عادي. | |
| مرور أمامي في LuminaNextDiT. | |
Xet Storage Details
- Size:
- 6.26 kB
- Xet hash:
- db111679e62f6e51386fcd4f155ba8056e6076db72f2fd9a4c5286ec1fb56682
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.