diffusers/main/es/api/models/bria_transformer.md

BriaTransformer2DModel

Un modelo Transformer de flux modificado de Bria.

BriaTransformer2DModel[[diffusers.BriaTransformer2DModel]]

diffusers.BriaTransformer2DModel[[diffusers.BriaTransformer2DModel]]

diffusers.BriaTransformer2DModel(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)

Fuente

Parámetros:

patch_size (int) : Tamaño del parche para convertir los datos de entrada en pequeños parches.

in_channels (int, opcional, valor predeterminado 16) : El número de canales en la entrada.

num_layers (int, opcional, valor predeterminado 18) : El número de capas de bloques MMDiT a utilizar.

num_single_layers (int, opcional, valor predeterminado 18) : El número de capas de bloques DiT individuales a utilizar.

attention_head_dim (int, opcional, valor predeterminado 64) : El número de canales en cada cabeza.

num_attention_heads (int, opcional, valor predeterminado 18) : El número de cabezas a utilizar para la atención multi-cabeza.

joint_attention_dim (int, opcional) : El número de dimensiones de encoder_hidden_states a utilizar.

pooled_projection_dim (int) : Número de dimensiones a utilizar al proyectar las pooled_projections.

guidance_embeds (bool, predeterminado en False) : Si se deben usar embeddings de guía.

El modelo Transformer introducido en Flux. Basado en FluxPipeline con varios cambios:

• embeddings no agrupados
• Usamos relleno con ceros para los prompts
• No hay un embedding de guía ya que esta no es una versión destilada Referencia: https://blackforestlabs.ai/announcing-black-forest-labs/

forward[[diffusers.BriaTransformer2DModel.forward]]

forward(hidden_states: Tensor, encoder_hidden_states: Tensor = None, pooled_projections: Tensor = None, timestep: LongTensor = None, img_ids: Tensor = None, txt_ids: Tensor = None, guidance: Tensor = None, attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True, controlnet_block_samples = None, controlnet_single_block_samples = None)

Fuente

Parámetros:

hidden_states (torch.FloatTensor de forma (batch size, channel, height, width)) : hidden_states de entrada.

encoder_hidden_states (torch.FloatTensor de forma (batch size, sequence_len, embed_dims)) : Embeddings condicionales (embeddings calculados a partir de las condiciones de entrada, como los prompts) a utilizar.

pooled_projections (torch.FloatTensor de forma (batch_size, projection_dim)) : Incrustaciones proyectadas a partir de las incrustaciones de las condiciones de entrada.

timestep ( torch.LongTensor) : Se utiliza para indicar el paso de desruido.

img_ids (torch.Tensor) : ids de posición de imagen utilizados para calcular los embeddings posicionales rotatorios.

txt_ids (torch.Tensor) : ids de posición de texto utilizados para calcular los embeddings posicionales rotatorios.

guidance (torch.Tensor, opcional) : Embedding de escala de guía utilizado para las variantes destiladas por guía del modelo.

controlnet_block_samples (list de torch.Tensor, opcional) : Una lista de tensores que, si se especifica, se añaden a los residuos de los bloques de transformador.

controlnet_single_block_samples (list de torch.Tensor, opcional) : Una lista de tensores que, si se especifica, se añaden a los residuos de los bloques de transformador individuales.

attention_kwargs (dict, opcional) : Un diccionario de kwargs que, si se especifica, se pasa al AttentionProcessor tal como se define bajo self.processor en diffusers.models.attention_processor.

return_dict (bool, opcional, valor predeterminado True) : Indica si se debe devolver un ~models.transformer_2d.Transformer2DModelOutput en lugar de una tupla simple.

Devuelve:

Si return_dict es True, se devuelve un ~models.transformer_2d.Transformer2DModelOutput; en caso contrario, se devuelve una tuple cuyo primer elemento es el tensor de la muestra.

El método forward de BriaTransformer2DModel.