diffusers/main/ar/api/models/pixart_transformer2d.md

PixArtTransformer2DModel

نموذج Transformer للبيانات المشابهة للصور من PixArt-Alpha و PixArt-Sigma.

PixArtTransformer2DModel[[diffusers.PixArtTransformer2DModel]]

diffusers.PixArtTransformer2DModel[[diffusers.PixArtTransformer2DModel]]

diffusers.PixArtTransformer2DModel(num_attention_heads: int = 16, attention_head_dim: int = 72, in_channels: int = 4, out_channels: int | None = 8, num_layers: int = 28, dropout: float = 0.0, norm_num_groups: int = 32, cross_attention_dim: int | None = 1152, attention_bias: bool = True, sample_size: int = 128, patch_size: int = 2, activation_fn: str = 'gelu-approximate', num_embeds_ada_norm: int | None = 1000, upcast_attention: bool = False, norm_type: str = 'ada_norm_single', norm_elementwise_affine: bool = False, norm_eps: float = 1e-06, interpolation_scale: int | None = None, use_additional_conditions: bool | None = None, caption_channels: int | None = None, attention_type: str | None = 'default')

المصدر

المعاملات:

num_attention_heads (int، اختياري، القيمة الافتراضية 16) : عدد الرؤوس المستخدمة في الانتباه متعدد الرؤوس.

attention_head_dim (int، اختياري، القيمة الافتراضية 72) : عدد القنوات في كل رأس.

in_channels (int، القيمة الافتراضية 4) : عدد القنوات في المدخلات.

out_channels (int, اختياري) : عدد القنوات في المخرجات. حدد هذا المعامل إذا كان عدد قنوات المخرجات يختلف عن عدد قنوات المدخلات.

num_layers (int، اختياري، القيمة الافتراضية 28) : عدد طبقات كتل Transformer التي سيتم استخدامها.

dropout (float، اختياري، القيمة الافتراضية 0.0) : احتمال الإسقاط (dropout) المستخدم داخل كتل Transformer.

norm_num_groups (int، اختياري، القيمة الافتراضية 32) : عدد المجموعات لتطبيع المجموعات داخل كتل Transformer.

cross_attention_dim (int, اختياري) : بُعد طبقات الانتباه المتقاطع، وهو عادةً ما يطابق بُعد المخفي في المُشفِّر.

attention_bias (bool، اختياري، القيمة الافتراضية True) : يحدد ما إذا كان ينبغي أن تحتوي انتباه كتل Transformer على معامل انحياز.

sample_size (int، القيمة الافتراضية 128) : عرض الصور الكامنة. تُثبَّت هذه المعلمة أثناء التدريب.

patch_size (int، القيمة الافتراضية 2) : حجم البقع التي يعالجها النموذج، وهو أمر ذو صلة بالهياكل المعمارية التي تعمل على بيانات غير متسلسلة.

activation_fn (str، اختياري، القيمة الافتراضية "gelu-approximate") : دالة التنشيط المستخدمة في الشبكات الأمامية داخل كتل Transformer.

num_embeds_ada_norm (int، اختياري، القيمة الافتراضية 1000) : عدد التضمينات لـ AdaLayerNorm، يُثبَّت أثناء التدريب ويؤثر على عدد خطوات إزالة الضوضاء القصوى أثناء الاستدلال.

upcast_attention (bool, اختياري، القيمة الافتراضية False) : إذا كانت القيمة صحيحة، يتم رفع أبعاد آلية الانتباه (attention) لتحسين الأداء المحتمل.

norm_type (str، اختياري، القيمة الافتراضية "ada_norm_zero") : يحدد نوع التطبيع المستخدم، ويمكن أن يكون 'ada_norm_zero'.

norm_elementwise_affine (bool، اختياري، القيمة الافتراضية False) : إذا كانت القيمة true، يتم تفعيل معاملات أفينية لكل عنصر في طبقات التطبيع.

norm_eps (float، اختياري، القيمة الافتراضية 1e-6) : ثابت صغير يُضاف إلى المقام في طبقات التطبيع لمنع القسمة على الصفر.

interpolation_scale (int, اختياري) : معامل المقياس المستخدم أثناء استيفاء تضمينات المواقع.

use_additional_conditions (bool, اختياري) : إذا كنا نستخدم شروطًا إضافية كمدخلات.

attention_type (str، اختياري، القيمة الافتراضية "default") : نوع آلية الانتباه (attention) التي سيتم استخدامها.

caption_channels (int، اختياري، القيمة الافتراضية None) : عدد القنوات المستخدمة لإسقاط تمثيلات الوصف النصي.

use_linear_projection (bool, اختياري، القيمة الافتراضية False) : حُجج غير مستحسنة. ستُزال في إصدار مستقبلي.

num_vector_embeds (bool, اختياري، القيمة الافتراضية False) : حُجج غير مستحسنة. ستُزال في إصدار مستقبلي.

نموذج Transformer ثنائي الأبعاد كما تم تقديمه في عائلة نماذج PixArt (https://huggingface.co/papers/2310.00426, https://huggingface.co/papers/2403.04692).

forward[[diffusers.PixArtTransformer2DModel.forward]]

forward(hidden_states: Tensor, encoder_hidden_states: typing.Optional[torch.Tensor] = None, timestep: typing.Optional[torch.LongTensor] = None, added_cond_kwargs: dict[str, torch.Tensor] = None, cross_attention_kwargs: dict[str, typing.Any] = None, attention_mask: typing.Optional[torch.Tensor] = None, encoder_attention_mask: typing.Optional[torch.Tensor] = None, return_dict: bool = True)

المصدر

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)، اختياري) : تمثيلات شرطية لطبقة الانتباه المتقاطع. إذا لم تُقدَّم، فإن الانتباه المتقاطع يتحول افتراضيًا إلى الانتباه الذاتي.

timestep (torch.LongTensor، اختياري) : يُستخدم للإشارة إلى خطوة إزالة الضوضاء. خطوة زمنية اختيارية تُطبَّق كتمثيل مضمّن في AdaLayerNorm.

added_cond_kwargs : (dict[str, Any]، اختياري): شروط إضافية تُستخدم كمدخلات.

cross_attention_kwargs ( dict[str, Any], اختياري) : قاموس kwargs يُمرَّر إلى AttentionProcessor إذا تم تحديده، كما هو معرَّف تحت self.processor في diffusers.models.attention_processor.

attention_mask ( torch.Tensor, اختياري) : يُطبَّق قناع انتباه على encoder_hidden_states بشكل (batch, key_tokens). إذا كان 1 يُحافظ على القناع، وإلا إذا كان 0 يُستبعد. سيُحوَّل القناع إلى انحياز، يضيف قيمًا سالبة كبيرة إلى درجات الانتباه المقابلة لرموز "الاستبعاد".

encoder_attention_mask ( torch.Tensor, اختياري) : قناع الانتباه المتقاطع المطبّق على encoder_hidden_states. يتم دعم صيغتين: * قناع (batch, sequence_length) حيث True = الإبقاء، False = التخلّي. * انحياز (batch, 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.

return_dict (bool، اختياري، القيمة الافتراضية True) : ما إذا كان يجب إرجاع 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 PixArtTransformer2DModel الأمامية.

fuse_qkv_projections[[diffusers.PixArtTransformer2DModel.fuse_qkv_projections]]

fuse_qkv_projections()

المصدر

…

> هذه الواجهة البرمجية 🧪 تجريبية.

set_default_attn_processor[[diffusers.PixArtTransformer2DModel.set_default_attn_processor]]

set_default_attn_processor()

المصدر

يعطّل معالجات الانتباه المخصصة ويضبط تطبيق الانتباه الافتراضي.

لا مشكلة في استخدام AttnProcessor() مباشرةً، إذ لا يحتوي نموذج PixArt الافتراضي على أي معالجات انتباه غير تقليدية.

unfuse_qkv_projections[[diffusers.PixArtTransformer2DModel.unfuse_qkv_projections]]

unfuse_qkv_projections()

المصدر

يعطّل إسقاط QKV المدمج إذا كان مفعّلًا.

> هذه الواجهة البرمجية 🧪 تجريبية.