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

BriaFiboTransformer2DModel

نموذج flux Transformer معدّل من Bria

BriaFiboTransformer2DModel[[diffusers.BriaFiboTransformer2DModel]]

diffusers.BriaFiboTransformer2DModel[[diffusers.BriaFiboTransformer2DModel]]

diffusers.BriaFiboTransformer2DModel(patch_size: int = 1, in_channels: int = 64, num_layers: int = 19, num_single_layers: int = 38, attention_head_dim: int = 128, num_attention_heads: int = 24, joint_attention_dim: int = 4096, pooled_projection_dim: int = None, guidance_embeds: bool = False, axes_dims_rope: list[int] = [16, 56, 56], rope_theta = 10000, time_theta = 10000, text_encoder_dim: int = 2048)

المصدر

المعاملات:

patch_size (int) : حجم الباتش لتحويل البيانات المدخلة إلى باتشات صغيرة.

in_channels (int، اختياري، القيمة الافتراضية 16) : عدد القنوات في المدخلات.

num_layers (int، اختياري، القيمة الافتراضية 18) : عدد طبقات كتل MMDiT التي سيتم استخدامها.

num_single_layers (int، اختياري، القيمة الافتراضية 18) : عدد طبقات كتل DiT المفردة التي سيتم استخدامها.

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

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

joint_attention_dim (int، اختياري) : عدد أبعاد encoder_hidden_states التي سيتم استخدامها.

pooled_projection_dim (int) : عدد الأبعاد المستخدمة عند إسقاط pooled_projections.

guidance_embeds (bool، القيمة الافتراضية False) : ما إذا كان سيتم استخدام تضمينات التوجيه.

... --

forward[[diffusers.BriaFiboTransformer2DModel.forward]]

forward(hidden_states: Tensor, encoder_hidden_states: Tensor = None, text_encoder_layers: list = None, pooled_projections: Tensor = None, timestep: LongTensor = None, img_ids: Tensor = None, txt_ids: Tensor = None, guidance: Tensor = None, joint_attention_kwargs: dict[str, typing.Any] | None = 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)) : التضمينات الشرطية (التضمينات المحسوبة من الشروط المدخلة مثل الأوامر) للاستخدام.

text_encoder_layers (list من torch.Tensor) : حالات المخفية لمُشفِّر النص لكل كتلة، مع وجود متجه واحد لكل كتلة من كتل التحويل.

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

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

img_ids (torch.Tensor) : معرّفات مواضع الصور المستخدمة لحساب التضمينات الموضعية الدوارة.

txt_ids (torch.Tensor) : معرّفات مواضع النص المستخدمة لحساب التضمينات الموضعية الدوارة.

guidance (torch.Tensor، اختياري) : تضمين مقياس التوجيه المستخدم في النسخ المُقطّرة بالتوجيه من النموذج.

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.

يعيد:

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