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

ChromaTransformer2DModel

Un modelo Transformer de flujo modificado de Chroma

ChromaTransformer2DModel[[diffusers.ChromaTransformer2DModel]]

diffusers.ChromaTransformer2DModel[[diffusers.ChromaTransformer2DModel]]

diffusers.ChromaTransformer2DModel(patch_size: int = 1, in_channels: int = 64, out_channels: int | None = None, num_layers: int = 19, num_single_layers: int = 38, attention_head_dim: int = 128, num_attention_heads: int = 24, joint_attention_dim: int = 4096, axes_dims_rope: tuple[int, ...] = (16, 56, 56), approximator_num_channels: int = 64, approximator_hidden_dim: int = 5120, approximator_layers: int = 5)

Fuente

Parámetros:

patch_size (int, por defecto 1) : Tamaño del parche para convertir los datos de entrada en pequeños parches.

in_channels (int, por defecto 64) : El número de canales en la entrada.

out_channels (int, opcional, valor predeterminado None) : El número de canales en la salida. Si no se especifica, el valor predeterminado es in_channels.

num_layers (int, por defecto 19) : El número de capas de bloques DiT de doble flujo a utilizar.

num_single_layers (int, por defecto 38) : El número de capas de bloques DiT de flujo único que se usarán.

attention_head_dim (int, por defecto 128) : El número de dimensiones a utilizar para cada cabeza de atención.

num_attention_heads (int, por defecto 24) : El número de cabezas de atención a utilizar.

joint_attention_dim (int, por defecto 4096) : El número de dimensiones a utilizar para la atención conjunta (dimensión de incrustación/canal de encoder_hidden_states).

axes_dims_rope (tuple[int], por defecto (16, 56, 56)) : Las dimensiones a utilizar para los embeddings posicionales rotatorios.

El modelo Transformer introducido en Flux, modificado para Chroma.

Referencia: https://huggingface.co/lodestones/Chroma1-HD

forward[[diffusers.ChromaTransformer2DModel.forward]]

forward(hidden_states: Tensor, encoder_hidden_states: Tensor = None, timestep: LongTensor = None, img_ids: Tensor = None, txt_ids: Tensor = None, attention_mask: Tensor = None, joint_attention_kwargs: dict[str, typing.Any] | None = None, controlnet_block_samples = None, controlnet_single_block_samples = None, return_dict: bool = True, controlnet_blocks_repeat: bool = False)

Fuente

Parámetros:

hidden_states (torch.Tensor de forma (batch_size, image_sequence_length, in_channels)) : hidden_states de entrada.

encoder_hidden_states (torch.Tensor de forma (batch_size, text_sequence_length, joint_attention_dim)) : Embeddings condicionales (embeddings calculados a partir de las condiciones de entrada, como los prompts) a utilizar.

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.

attention_mask (torch.Tensor, opcional) : Máscara aplicada a encoder_hidden_states durante la atención.

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.

controlnet_blocks_repeat (bool, opcional, valor predeterminado False) : Si se deben repetir las muestras del bloque de controlnet en todos los bloques del transformer.

joint_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 FluxTransformer2DModel.