diffusers/main/ar/api/models/sd3_transformer2d.md

نموذج SD3 Transformer

نموذج Transformer الذي تم تقديمه في Stable Diffusion 3. تكمن جديته في كتلة MMDiT transformer.

SD3Transformer2DModel[[diffusers.SD3Transformer2DModel]]

diffusers.SD3Transformer2DModel[[diffusers.SD3Transformer2DModel]]

diffusers.SD3Transformer2DModel(sample_size: int = 128, patch_size: int = 2, in_channels: int = 16, num_layers: int = 18, attention_head_dim: int = 64, num_attention_heads: int = 18, joint_attention_dim: int = 4096, caption_projection_dim: int = 1152, pooled_projection_dim: int = 2048, out_channels: int = 16, pos_embed_max_size: int = 96, dual_attention_layers: tuple[int, ...] = (), qk_norm: str | None = None)

المصدر

المعاملات:

sample_size (int، القيمة الافتراضية 128) : عرض/ارتفاع الكمونيات. يتم تثبيت هذا أثناء التدريب لأنه يُستخدم لتعلم عدد من تضمينات المواقع.

patch_size (int، القيمة الافتراضية 2) : حجم الباتش لتحويل البيانات المدخلة إلى باتشات صغيرة.

in_channels (int، القيمة الافتراضية 16) : عدد قنوات الحالة الكامنة في المدخلات.

num_layers (int، القيمة الافتراضية 18) : عدد طبقات كتل التحويل (transformer blocks) المستخدمة.

attention_head_dim (int، القيمة الافتراضية 64) : عدد القنوات في كل رأس.

num_attention_heads (int، القيمة الافتراضية 18) : عدد الرؤوس المستخدمة في الانتباه متعدد الرؤوس.

joint_attention_dim (int، القيمة الافتراضية 4096) : بُعد التضمين (embedding dimension) المستخدم للانتباه المشترك بين النص والصورة.

caption_projection_dim (int، القيمة الافتراضية 1152) : بُعد التضمين لتضمينات الوصف.

pooled_projection_dim (int، القيمة الافتراضية 2048) : بُعد التضمين (embedding) لإسقاطات النص المجمعة.

out_channels (int، القيمة الافتراضية 16) : عدد قنوات الحالة الكامنة في المخرجات.

pos_embed_max_size (int، القيمة الافتراضية 96) : أقصى ارتفاع/عرض كامن لتضمينات الموضع.

dual_attention_layers (tuple[int, ...]، الافتراضي ()) : عدد كتل الترانسفورمر ذات التدفق المزدوج التي سيتم استخدامها.

qk_norm (str، اختياري، القيمة الافتراضية None) : طريقة التطبيع المستخدمة للاستعلام والمفتاح في طبقة الانتباه. إذا كانت None، فلا يُستخدم أي تطبيع.

نموذج Transformer الذي تم تقديمه في Stable Diffusion 3.

enable_forward_chunking[[diffusers.SD3Transformer2DModel.enable_forward_chunking]]

enable_forward_chunking(chunk_size: int | None = None, dim: int = 0)

المصدر

المعاملات:

chunk_size (int, اختياري) : حجم الدفعة (chunk size) لطبقات التغذية الأمامية. إذا لم يُحدد، فسيتم تشغيل طبقة التغذية الأمامية بشكل فردي على كل متجه (tensor) ذي بُعد dim.

dim (int، اختياري، القيمة الافتراضية 0) : البُعد الذي يجب تقسيم عملية الحساب الأمامي (feed-forward) عليه. اختر بين dim=0 (الحزمة) أو dim=1 (طول التسلسل).

يحدد معالج الانتباه لاستخدام تقطيع الأمامي.

forward[[diffusers.SD3Transformer2DModel.forward]]

forward(hidden_states: Tensor, encoder_hidden_states: Tensor = None, pooled_projections: Tensor = None, timestep: LongTensor = None, block_controlnet_hidden_states: list = None, joint_attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True, skip_layers: list[int] | None = None)

المصدر

المعاملات:

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

encoder_hidden_states (torch.Tensor من الشكل (batch size, sequence_len, embed_dims)) : التضمينات الشرطية (التضمينات المحسوبة من الشروط المدخلة مثل الأوامر) للاستخدام.

pooled_projections (torch.Tensor من الشكل (batch_size, projection_dim)) : تمثيلات مُسقطَة من تمثيلات شروط الإدخال.

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

block_controlnet_hidden_states (list من torch.Tensor) : قائمة من الموترات التي، إذا تم تحديدها، تُضاف إلى بقايا كتل التحويل.

joint_attention_kwargs (dict، اختياري) : قاموس kwargs يُمرَّر إلى AttentionProcessor إذا تم تحديده، كما هو معرَّف تحت self.processor في diffusers.models.attention_processor.

return_dict (bool، اختياري، القيمة الافتراضية True) : ما إذا كان يجب إرجاع ~models.transformer_2d.Transformer2DModelOutput بدلاً من tuple عادي.

skip_layers (list من int، اختياري) : قائمة بمؤشرات الطبقات التي يجب تجاوزها أثناء المرور الأمامي.

يعيد:

إذا كان return_dict صحيحًا، يُعاد ~models.transformer_2d.Transformer2DModelOutput، وإلا يُعاد tuple يكون عنصره الأول هو تينسور العينة.

طريقة SD3Transformer2DModel الأمامية.

fuse_qkv_projections[[diffusers.SD3Transformer2DModel.fuse_qkv_projections]]

fuse_qkv_projections()

المصدر

…

> هذه الواجهة البرمجية 🧪 تجريبية.

unfuse_qkv_projections[[diffusers.SD3Transformer2DModel.unfuse_qkv_projections]]

unfuse_qkv_projections()

المصدر

يعطّل إسقاط QKV المدمج إذا كان مفعّلًا.

> هذه الواجهة البرمجية 🧪 تجريبية.