Buckets:
| # نموذج SD3 Transformer | |
| نموذج Transformer الذي تم تقديمه في [Stable Diffusion 3](https://hf.co/papers/2403.03206). تكمن جديته في كتلة MMDiT transformer. | |
| ## SD3Transformer2DModel[[diffusers.SD3Transformer2DModel]] | |
| #### diffusers.SD3Transformer2DModel[[diffusers.SD3Transformer2DModel]] | |
| ```python | |
| 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](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_sd3.py#L79) | |
| **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](https://huggingface.co/papers/2403.03206). | |
| #### enable_forward_chunking[[diffusers.SD3Transformer2DModel.enable_forward_chunking]] | |
| ```python | |
| enable_forward_chunking(chunk_size: int | None = None, dim: int = 0) | |
| ``` | |
| [المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_sd3.py#L175) | |
| **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](https://huggingface.co/blog/reformer#2-chunked-feed-forward-layers). | |
| #### forward[[diffusers.SD3Transformer2DModel.forward]] | |
| ```python | |
| 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](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_sd3.py#L248) | |
| **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](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. | |
| 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](/docs/diffusers/main/ar/api/models/sd3_transformer2d#diffusers.SD3Transformer2DModel) الأمامية. | |
| #### fuse_qkv_projections[[diffusers.SD3Transformer2DModel.fuse_qkv_projections]] | |
| ```python | |
| fuse_qkv_projections() | |
| ``` | |
| [المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_sd3.py#L217) | |
| … | |
| > [!WARNING] > هذه الواجهة البرمجية 🧪 تجريبية. | |
| #### unfuse_qkv_projections[[diffusers.SD3Transformer2DModel.unfuse_qkv_projections]] | |
| ```python | |
| unfuse_qkv_projections() | |
| ``` | |
| [المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_sd3.py#L239) | |
| يعطّل إسقاط QKV المدمج إذا كان مفعّلًا. | |
| > [!WARNING] > هذه الواجهة البرمجية 🧪 تجريبية. | |
Xet Storage Details
- Size:
- 7.3 kB
- Xet hash:
- 575004b9be04dbb26f7bcdc903a38c849704152c3f611118e79565e62a53589e
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.