diffusers/main/ar/api/normalization.md

طبقات التطبيع

طبقات تطبيع مخصصة لدعم نماذج متنوعة في 🤗 Diffusers.

AdaLayerNorm[[diffusers.models.normalization.AdaLayerNorm]]

diffusers.models.normalization.AdaLayerNorm[[diffusers.models.normalization.AdaLayerNorm]]

diffusers.models.normalization.AdaLayerNorm(embedding_dim: int, num_embeddings: int | None = None, output_dim: int | None = None, norm_elementwise_affine: bool = False, norm_eps: float = 1e-05, chunk_dim: int = 0)

المصدر

المعاملات:

embedding_dim (int) : حجم كل متجه تضمين.

num_embeddings (int، اختياري) : حجم قاموس التضمينات.

output_dim (int، اختياري) --

norm_elementwise_affine (bool، القيمة الافتراضية `False) --

norm_eps (bool، القيمة الافتراضية False) --

chunk_dim (int، القيمة الافتراضية هي 0) --

طبقة التطبيع معدّلة لدمج تضمينات خطوة الزمن.

AdaLayerNormZero[[diffusers.models.normalization.AdaLayerNormZero]]

diffusers.models.normalization.AdaLayerNormZero[[diffusers.models.normalization.AdaLayerNormZero]]

diffusers.models.normalization.AdaLayerNormZero(embedding_dim: int, num_embeddings: int | None = None, norm_type = 'layer_norm', bias = True)

المصدر

المعاملات:

embedding_dim (int) : حجم كل متجه تضمين.

num_embeddings (int) : حجم قاموس التضمينات.

طبقة تطبيع التكيفية تطبيع الطبقة الصفري (adaLN-Zero).

AdaLayerNormSingle[[diffusers.models.normalization.AdaLayerNormSingle]]

diffusers.models.normalization.AdaLayerNormSingle[[diffusers.models.normalization.AdaLayerNormSingle]]

diffusers.models.normalization.AdaLayerNormSingle(embedding_dim: int, use_additional_conditions: bool = False)

المصدر

المعاملات:

embedding_dim (int) : حجم كل متجه تضمين.

use_additional_conditions (bool) : لتحديد ما إذا كان سيتم استخدام شروط إضافية للتطبيع أم لا.

طبقة التطبيع التكيفية تطبيع الطبقة المفرد (adaLN-single).

كما اقترح في PixArt-Alpha (انظر: https://huggingface.co/papers/2310.00426; القسم 2.3).

AdaGroupNorm[[diffusers.models.normalization.AdaGroupNorm]]

diffusers.models.normalization.AdaGroupNorm[[diffusers.models.normalization.AdaGroupNorm]]

diffusers.models.normalization.AdaGroupNorm(embedding_dim: int, out_dim: int, num_groups: int, act_fn: str | None = None, eps: float = 1e-05)

المصدر

المعاملات:

embedding_dim (int) : حجم كل متجه تضمين.

num_embeddings (int) : حجم قاموس التضمينات.

num_groups (int) : عدد المجموعات التي تُقسَّم إليها القنوات.

act_fn (str، اختياري، القيمة الافتراضية None) : دالة التنشيط المستخدمة.

eps (float، اختياري، القيمة الافتراضية 1e-5) : قيمة الإيبسلون المستخدمة من أجل الاستقرار العددي.

طبقة GroupNorm معدّلة لدمج تضمينات خطوة الزمن.

AdaLayerNormContinuous[[diffusers.models.normalization.AdaLayerNormContinuous]]

diffusers.models.normalization.AdaLayerNormContinuous[[diffusers.models.normalization.AdaLayerNormContinuous]]

diffusers.models.normalization.AdaLayerNormContinuous(embedding_dim: int, conditioning_embedding_dim: int, elementwise_affine = True, eps = 1e-05, bias = True, norm_type = 'layer_norm')

المصدر

المعاملات:

embedding_dim (int) : بُعد التضمين (Embedding) المستخدم أثناء الإسقاط.

conditioning_embedding_dim (int) : بُعد شرط الإدخال.

elementwise_affine (bool، القيمة الافتراضية True) : علم منطقي لتحديد ما إذا كان يجب تطبيق تحويل أفيني.

eps (float، القيمة الافتراضية 1e-5) : معامل إبسيلون.

bias (bias، القيمة الافتراضية هي True) : علم منطقي لتحديد ما إذا كان يجب استخدام الانحياز.

norm_type (str، القيمة الافتراضية "layer_norm") : طبقة التطبيع المستخدمة. القيم المدعومة: "layer_norm"، "rms_norm".

طبقة تطبيع تكيّفي مع طبقة تطبيع (layer_norm أو rms_norm).

RMSNorm[[diffusers.models.normalization.RMSNorm]]

diffusers.models.normalization.RMSNorm[[diffusers.models.normalization.RMSNorm]]

diffusers.models.normalization.RMSNorm(dim, eps: float, elementwise_affine: bool = True, bias: bool = False)

المصدر

المعاملات:

dim (int) : عدد الأبعاد المستخدمة لـ weights. لا يكون فعالاً إلا عندما يكون elementwise_affine بقيمة True.

eps (float) : قيمة صغيرة تُستخدم عند حساب مقلوب الجذر التربيعي.

elementwise_affine (bool، القيمة الافتراضية True) : علم منطقي لتحديد ما إذا كان يجب تطبيق تحويل أفيني.

bias (bool، القيمة الافتراضية False) : إذا كان يتم تدريب معامل bias أيضًا.

RMS Norm كما قدمه تشانغ وآخرون في https://huggingface.co/papers/1910.07467

GlobalResponseNorm[[diffusers.models.normalization.GlobalResponseNorm]]

diffusers.models.normalization.GlobalResponseNorm[[diffusers.models.normalization.GlobalResponseNorm]]

diffusers.models.normalization.GlobalResponseNorm(dim)

المصدر

المعاملات:

dim (int) : عدد الأبعاد المستخدمة في gamma وbeta.

تطبيع الاستجابة العالمية كما تم تقديمه في ConvNeXt-v2 (https://huggingface.co/papers/2301.00808).

LuminaLayerNormContinuous[[diffusers.models.normalization.LuminaLayerNormContinuous]]

diffusers.models.normalization.LuminaLayerNormContinuous[[diffusers.models.normalization.LuminaLayerNormContinuous]]

diffusers.models.normalization.LuminaLayerNormContinuous(embedding_dim: int, conditioning_embedding_dim: int, elementwise_affine = True, eps = 1e-05, bias = True, norm_type = 'layer_norm', out_dim: int | None = None)

المصدر

SD35AdaLayerNormZeroX[[diffusers.models.normalization.SD35AdaLayerNormZeroX]]

diffusers.models.normalization.SD35AdaLayerNormZeroX[[diffusers.models.normalization.SD35AdaLayerNormZeroX]]

diffusers.models.normalization.SD35AdaLayerNormZeroX(embedding_dim: int, norm_type: str = 'layer_norm', bias: bool = True)

المصدر

المعاملات:

embedding_dim (int) : حجم كل متجه تضمين.

num_embeddings (int) : حجم قاموس التضمينات.

طبقة تطبيع التكيفية تطبيع الطبقة الصفري (AdaLN-Zero).

AdaLayerNormZeroSingle[[diffusers.models.normalization.AdaLayerNormZeroSingle]]

diffusers.models.normalization.AdaLayerNormZeroSingle[[diffusers.models.normalization.AdaLayerNormZeroSingle]]

diffusers.models.normalization.AdaLayerNormZeroSingle(embedding_dim: int, norm_type = 'layer_norm', bias = True)

المصدر

المعاملات:

embedding_dim (int) : حجم كل متجه تضمين.

num_embeddings (int) : حجم قاموس التضمينات.

طبقة تطبيع التكيفية تطبيع الطبقة الصفري (adaLN-Zero).

LuminaRMSNormZero[[diffusers.models.normalization.LuminaRMSNormZero]]

diffusers.models.normalization.LuminaRMSNormZero[[diffusers.models.normalization.LuminaRMSNormZero]]

diffusers.models.normalization.LuminaRMSNormZero(embedding_dim: int, norm_eps: float, norm_elementwise_affine: bool)

المصدر

المعاملات:

embedding_dim (int) : حجم كل متجه تضمين.

طبقة التهيئة التكيفية RMS normalization zero.

LpNorm[[diffusers.models.normalization.LpNorm]]

diffusers.models.normalization.LpNorm[[diffusers.models.normalization.LpNorm]]

diffusers.models.normalization.LpNorm(p: int = 2, dim: int = -1, eps: float = 1e-12)

المصدر

CogView3PlusAdaLayerNormZeroTextImage[[diffusers.models.normalization.CogView3PlusAdaLayerNormZeroTextImage]]

diffusers.models.normalization.CogView3PlusAdaLayerNormZeroTextImage[[diffusers.models.normalization.CogView3PlusAdaLayerNormZeroTextImage]]

diffusers.models.normalization.CogView3PlusAdaLayerNormZeroTextImage(embedding_dim: int, dim: int)

المصدر

المعاملات:

embedding_dim (int) : حجم كل متجه تضمين.

num_embeddings (int) : حجم قاموس التضمينات.

طبقة تطبيع التكيفية تطبيع الطبقة الصفري (adaLN-Zero).

CogVideoXLayerNormZero[[diffusers.models.normalization.CogVideoXLayerNormZero]]

diffusers.models.normalization.CogVideoXLayerNormZero[[diffusers.models.normalization.CogVideoXLayerNormZero]]

diffusers.models.normalization.CogVideoXLayerNormZero(conditioning_dim: int, embedding_dim: int, elementwise_affine: bool = True, eps: float = 1e-05, bias: bool = True)

المصدر

MochiRMSNormZero[[diffusers.models.transformers.transformer_mochi.MochiRMSNormZero]]

diffusers.models.transformers.transformer_mochi.MochiRMSNormZero[[diffusers.models.transformers.transformer_mochi.MochiRMSNormZero]]

diffusers.models.transformers.transformer_mochi.MochiRMSNormZero(embedding_dim: int, hidden_dim: int, eps: float = 1e-05, elementwise_affine: bool = False)

المصدر

المعاملات:

embedding_dim (int) : حجم كل متجه تضمين.

تطبيع RMS التكيفي المستخدم في Mochi.

MochiRMSNorm[[diffusers.models.normalization.MochiRMSNorm]]

diffusers.models.normalization.MochiRMSNorm[[diffusers.models.normalization.MochiRMSNorm]]

diffusers.models.normalization.MochiRMSNorm(dim, eps: float, elementwise_affine: bool = True)

المصدر