diffusers/main/ar/api/models/z_image_transformer2d.md

ZImageTransformer2DModel

نموذج Transformer لبيانات تشبه الصور من Z-Image.

ZImageTransformer2DModel[[diffusers.ZImageTransformer2DModel]]

diffusers.ZImageTransformer2DModel[[diffusers.ZImageTransformer2DModel]]

diffusers.ZImageTransformer2DModel(all_patch_size = (2,), all_f_patch_size = (1,), in_channels = 16, dim = 3840, n_layers = 30, n_refiner_layers = 2, n_heads = 30, n_kv_heads = 30, norm_eps = 1e-05, qk_norm = True, cap_feat_dim = 2560, siglip_feat_dim = None, rope_theta = 256.0, t_scale = 1000.0, axes_dims = [32, 48, 48], axes_lens = [1024, 512, 512])

المصدر

forward[[diffusers.ZImageTransformer2DModel.forward]]

forward(x: list[torch.Tensor, list[list[torch.Tensor]]], t, cap_feats: list[torch.Tensor, list[list[torch.Tensor]]], return_dict: bool = True, controlnet_block_samples: dict[int, torch.Tensor] | None = None, siglip_feats: list[list[torch.Tensor]] | None = None, image_noise_mask: list[list[int]] | None = None, patch_size: int = 2, f_patch_size: int = 1, joint_attention_kwargs: dict[str, typing.Any] | None = None)

المصدر

المعاملات:

x (list من torch.Tensor أو list متداخلة من torch.Tensor) : الكامنات المدخلة. قائمة مسطحة عند التشغيل في الوضع القياسي، أو قائمة متداخلة عند التشغيل في وضع omni.

t (torch.Tensor) : يُستخدم للإشارة إلى خطوة إزالة الضوضاء.

cap_feats (list من torch.Tensor أو list متداخلة من torch.Tensor) : تمثيلات التسميات الشرطية (التمثيلات المحسوبة من الشروط المدخلة مثل الأوامر النصية) للاستخدام.

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

controlnet_block_samples (dict من int إلى torch.Tensor، اختياري) : تعيين من فهرس الكتلة إلى الموتر، وإذا تم تحديده، يُضاف إلى بقايا كتل التحوّل.

siglip_feats (list من list من torch.Tensor، اختياري) : ميزات صورة SigLIP اختيارية تُستخدم كشرط إضافي.

image_noise_mask (list من list من int، اختياري) : أقنعة ضوضاء لكل صورة تُحدد الرموز الضوضائية مقابل الرموز النظيفة في وضع omni.

patch_size (int، اختياري، القيمة الافتراضية 2) : حجم البقعة المكانية المستخدم لتقطيع الكامنات المدخلة.

f_patch_size (int، اختياري، القيمة الافتراضية 1) : حجم البقعة الزمنية المستخدم لتقطيع الكامنات المدخلة.

joint_attention_kwargs (dict، اختياري) : قاموس kwargs. يُستخدم فقط إدخال scale، لتغيير مقياس طبقات LoRA.

يعيد:

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

طريقة ZImageTransformer2DModel الأمامية.

التدفق: patchify -> t_embed -> x_embed -> x_refine -> cap_embed -> cap_refine -> [siglip_embed -> siglip_refine] -> build_unified -> main_layers -> final_layer -> unpatchify

patchify_and_embed[[diffusers.ZImageTransformer2DModel.patchify_and_embed]]

patchify_and_embed(all_image: list[torch.Tensor], all_cap_feats: list[torch.Tensor], patch_size: int, f_patch_size: int)

المصدر

Patchify للوضع الأساسي: صورة واحدة لكل عنصر في الدفعة.

patchify_and_embed_omni[[diffusers.ZImageTransformer2DModel.patchify_and_embed_omni]]

patchify_and_embed_omni(all_x: list[list[torch.Tensor]], all_cap_feats: list[list[torch.Tensor]], all_siglip_feats: list[list[torch.Tensor]], patch_size: int, f_patch_size: int, images_noise_mask: list[list[int]])

المصدر

Patchify لوضع omni: صور متعددة لكل عنصر في الدفعة مع أقنعة ضوضاء.