Buckets:
| # OvisImageTransformer2DModel | |
| يمكن تحميل النموذج باستخدام مقتطف الشيفرة التالي. | |
| ```python | |
| from diffusers import OvisImageTransformer2DModel | |
| transformer = OvisImageTransformer2DModel.from_pretrained("AIDC-AI/Ovis-Image-7B", subfolder="transformer", dtype=torch.bfloat16) | |
| ``` | |
| ## OvisImageTransformer2DModel[[diffusers.OvisImageTransformer2DModel]] | |
| #### diffusers.OvisImageTransformer2DModel[[diffusers.OvisImageTransformer2DModel]] | |
| ```python | |
| diffusers.OvisImageTransformer2DModel(patch_size: int = 1, in_channels: int = 64, out_channels: int | None = 64, num_layers: int = 6, num_single_layers: int = 27, attention_head_dim: int = 128, num_attention_heads: int = 24, joint_attention_dim: int = 2048, axes_dims_rope: tuple[int, int, int] = (16, 56, 56)) | |
| ``` | |
| [المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_ovis_image.py#L384) | |
| **المعاملات:** | |
| patch_size (`int`، القيمة الافتراضية `1`) : حجم الباتش لتحويل البيانات المدخلة إلى باتشات صغيرة. | |
| in_channels (`int`، القيمة الافتراضية `64`) : عدد القنوات في المدخلات. | |
| out_channels (`int`، *اختياري*، القيمة الافتراضية `None`) : عدد القنوات في المخرجات. إذا لم يُحدد، تكون القيمة الافتراضية `in_channels`. | |
| num_layers (`int`، القيمة الافتراضية `6`) : عدد طبقات كتل DiT ذات التدفق المزدوج التي سيتم استخدامها. | |
| num_single_layers (`int`، القيمة الافتراضية `27`) : عدد طبقات كتل DiT أحادية التدفق المستخدمة. | |
| attention_head_dim (`int`، القيمة الافتراضية `128`) : عدد الأبعاد المستخدمة لكل رأس انتباه. | |
| num_attention_heads (`int`، القيمة الافتراضية `24`) : عدد رؤوس الانتباه (attention heads) المستخدمة. | |
| joint_attention_dim (`int`، القيمة الافتراضية `2048`) : عدد الأبعاد المستخدمة للانتباه المشترك (بعد التضمين/القناة الخاص بـ `encoder_hidden_states`). | |
| axes_dims_rope (`tuple[int]`، القيمة الافتراضية هي `(16, 56, 56)`) : الأبعاد المستخدمة للتضمينات الموضعية الدوارة. | |
| نموذج Transformer الذي تم تقديمه في Ovis-Image. | |
| مرجع: https://github.com/AIDC-AI/Ovis-Image | |
| #### forward[[diffusers.OvisImageTransformer2DModel.forward]] | |
| ```python | |
| forward(hidden_states: Tensor, encoder_hidden_states: Tensor = None, timestep: LongTensor = None, img_ids: Tensor = None, txt_ids: Tensor = None, joint_attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True) | |
| ``` | |
| [المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_ovis_image.py#L476) | |
| **المعاملات:** | |
| hidden_states (`torch.Tensor` من الشكل `(batch_size, image_sequence_length, in_channels)`) : مدخلات `hidden_states`. | |
| encoder_hidden_states (`torch.Tensor` من الشكل `(batch_size, text_sequence_length, joint_attention_dim)`) : تمثيلات شرطية (تمثيلات محسوبة من الشروط المدخلة مثل الأوامر النصية) للاستخدام. | |
| timestep (`torch.LongTensor`) : يُستخدم للإشارة إلى خطوة إزالة الضوضاء. | |
| img_ids : (`torch.Tensor`): معرّفات المواضع لرموز الصور. | |
| txt_ids (`torch.Tensor`) : معرّفات المواضع لرموز النص. | |
| joint_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 [OvisImageTransformer2DModel](/docs/diffusers/main/ar/api/models/ovisimage_transformer2d#diffusers.OvisImageTransformer2DModel) الأمامية. | |
Xet Storage Details
- Size:
- 4.59 kB
- Xet hash:
- 874903557807b821472ae8a38befd648ca34f0bfa21a3803169b9267983fde0b
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.