diffusers/main/es/api/models/latte_transformer3d.md

LatteTransformer3DModel

Un modelo Diffusion Transformer para datos 3D de Latte.

LatteTransformer3DModel[[diffusers.LatteTransformer3DModel]]

diffusers.LatteTransformer3DModel[[diffusers.LatteTransformer3DModel]]

diffusers.LatteTransformer3DModel(num_attention_heads: int = 16, attention_head_dim: int = 88, in_channels: int | None = None, out_channels: int | None = None, num_layers: int = 1, dropout: float = 0.0, cross_attention_dim: int | None = None, attention_bias: bool = False, sample_size: int = 64, patch_size: int | None = None, activation_fn: str = 'geglu', num_embeds_ada_norm: int | None = None, norm_type: str = 'layer_norm', norm_elementwise_affine: bool = True, norm_eps: float = 1e-05, caption_channels: int = None, video_length: int = 16)

Fuente

forward[[diffusers.LatteTransformer3DModel.forward]]

forward(hidden_states: Tensor, timestep: typing.Optional[torch.LongTensor] = None, encoder_hidden_states: typing.Optional[torch.Tensor] = None, encoder_attention_mask: typing.Optional[torch.Tensor] = None, enable_temporal_attentions: bool = True, return_dict: bool = True)

Fuente

Parámetros:

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

timestep ( torch.LongTensor, opcional) : Se utiliza para indicar el paso de desruido. Paso temporal opcional que se aplica como un embedding en AdaLayerNorm.

encoder_hidden_states ( torch.FloatTensor de forma (batch size, sequence len, embed dims), opcional) : Incrustaciones condicionales para la capa de atención cruzada. Si no se proporcionan, la atención cruzada predeterminada es la autoatención.

encoder_attention_mask ( torch.Tensor, opcional) : Máscara de atención cruzada aplicada a encoder_hidden_states. Se admiten dos formatos: * Máscara (batcheight, sequence_length) True = conservar, False = descartar. * Sesgo (batcheight, 1, sequence_length) 0 = conservar, -10000 = descartar. Si ndim == 2: se interpretará como una máscara y luego se convertirá en un sesgo coherente con el formato anterior. Este sesgo se sumará a las puntuaciones de atención cruzada.

enable_temporal_attentions : (bool, opcional, valor predeterminado True): Si se habilitan las atenciones temporales.

return_dict (bool, opcional, valor predeterminado True) : Indica si se debe devolver un ~models.unet_2d_condition.UNet2DConditionOutput 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 LatteTransformer3DModel.