Hugging Face's logo

Buckets:
hf-doc-build
/
doc

Files
xet
hf-doc-build/doc / diffusers /main /es /api /activations.md
mishig's picture
mishig
preview code
|
download
raw
3.77 kB
# Funciones de activaci贸n
Funciones de activaci贸n personalizadas para admitir varios modelos en 馃 Diffusers.
## GELU[[diffusers.models.activations.GELU]]
#### diffusers.models.activations.GELU[[diffusers.models.activations.GELU]]
```python
diffusers.models.activations.GELU(dim_in: int, dim_out: int, approximate: str = 'none', bias: bool = True)
```
[Fuente](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/activations.py#L65)
**Par谩metros:**
dim_in (`int`) : El n煤mero de canales en la entrada.
dim_out (`int`) : El n煤mero de canales en la salida.
approximate (`str`, *opcional*, por defecto `"none"`) : Si es `"tanh"`, usa la aproximaci贸n tanh.
bias (`bool`, por defecto True) : Si se debe usar un sesgo en la capa lineal.
Funci贸n de activaci贸n GELU con soporte para aproximaci贸n tanh mediante `approximate="tanh"`.
## GEGLU[[diffusers.models.activations.GEGLU]]
#### diffusers.models.activations.GEGLU[[diffusers.models.activations.GEGLU]]
```python
diffusers.models.activations.GEGLU(dim_in: int, dim_out: int, bias: bool = True)
```
[Fuente](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/activations.py#L90)
**Par谩metros:**
dim_in (`int`) : El n煤mero de canales en la entrada.
dim_out (`int`) : El n煤mero de canales en la salida.
bias (`bool`, por defecto True) : Si se debe usar un sesgo en la capa lineal.
Una [variante](https://huggingface.co/papers/2002.05202) de la funci贸n de activaci贸n de unidad lineal con compuerta.
## ApproximateGELU[[diffusers.models.activations.ApproximateGELU]]
#### diffusers.models.activations.ApproximateGELU[[diffusers.models.activations.ApproximateGELU]]
```python
diffusers.models.activations.ApproximateGELU(dim_in: int, dim_out: int, bias: bool = True)
```
[Fuente](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/activations.py#L143)
**Par谩metros:**
dim_in (`int`) : El n煤mero de canales en la entrada.
dim_out (`int`) : El n煤mero de canales en la salida.
bias (`bool`, por defecto True) : Si se debe usar un sesgo en la capa lineal.
La forma aproximada de la unidad lineal de error gaussiano (GELU). Para m谩s detalles, consulte la secci贸n 2 de este [art铆culo](https://huggingface.co/papers/1606.08415).
## SwiGLU[[diffusers.models.activations.SwiGLU]]
#### diffusers.models.activations.SwiGLU[[diffusers.models.activations.SwiGLU]]
```python
diffusers.models.activations.SwiGLU(dim_in: int, dim_out: int, bias: bool = True)
```
[Fuente](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/activations.py#L120)
**Par谩metros:**
dim_in (`int`) : El n煤mero de canales en la entrada.
dim_out (`int`) : El n煤mero de canales en la salida.
bias (`bool`, por defecto True) : Si se debe usar un sesgo en la capa lineal.
Una [variante](https://huggingface.co/papers/2002.05202) de la funci贸n de activaci贸n de unidad lineal con puerta. Es similar a `GEGLU` pero usa SiLU / Swish en lugar de GeLU.
## FP32SiLU[[diffusers.models.activations.FP32SiLU]]
#### diffusers.models.activations.FP32SiLU[[diffusers.models.activations.FP32SiLU]]
```python
diffusers.models.activations.FP32SiLU()
```
[Fuente](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/activations.py#L53)
Funci贸n de activaci贸n SiLU con la entrada convertida a torch.float32.
## LinearActivation[[diffusers.models.activations.LinearActivation]]
#### diffusers.models.activations.LinearActivation[[diffusers.models.activations.LinearActivation]]
```python
diffusers.models.activations.LinearActivation(dim_in: int, dim_out: int, bias: bool = True, activation: str = 'silu')
```
[Fuente](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/activations.py#L163)

Xet Storage Details

Size:
3.77 kB
路
Xet hash:
15f67424b157a0e9dda9f8c25cba13de8b70623db9391d32cb5a1acf7ac23476

Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.