diffusers/main/es/api/models/longcat_image_transformer2d.md

LongCatImageTransformer2DModel

El modelo se puede cargar con el siguiente fragmento de código.

from diffusers import LongCatImageTransformer2DModel

transformer = LongCatImageTransformer2DModel.from_pretrained("meituan-longcat/LongCat-Image ", subfolder="transformer", dtype=torch.bfloat16)

LongCatImageTransformer2DModel[[diffusers.LongCatImageTransformer2DModel]]

diffusers.LongCatImageTransformer2DModel[[diffusers.LongCatImageTransformer2DModel]]

diffusers.LongCatImageTransformer2DModel(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 = 3584, pooled_projection_dim: int = 3584, axes_dims_rope: list[int] = [16, 56, 56])

Fuente

El modelo Transformer introducido en Longcat-Image.

forward[[diffusers.LongCatImageTransformer2DModel.forward]]

forward(hidden_states: Tensor, encoder_hidden_states: Tensor = None, timestep: LongTensor = None, img_ids: Tensor = None, txt_ids: Tensor = None, guidance: Tensor = None, return_dict: bool = True)

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.

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.

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.