Buckets:
| # EntropyBoundScheduler | |
| El `EntropyBoundScheduler` confirma las posiciones de menor entropía cuya entropía conjunta se mantiene por debajo de `entropy_bound`, de modo que los tokens aproximadamente independientes se aceptan juntos y el resto se ruidifican de nuevo. Anela su temperatura de muestreo desde `t_max` en el primer paso hasta `t_min` en el último, coincidiendo con el muestreador del punto de control publicado. Propuesto en [Accelerated Sampling from Masked Diffusion Models via Entropy Bounded Unmasking](https://huggingface.co/papers/2505.24857). | |
| Este programador es utilizado por [DiffusionGemmaPipeline](/docs/diffusers/main/es/api/pipelines/diffusion_gemma#diffusers.DiffusionGemmaPipeline). | |
| ## EntropyBoundScheduler[[diffusers.EntropyBoundScheduler]] | |
| #### diffusers.EntropyBoundScheduler[[diffusers.EntropyBoundScheduler]] | |
| ```python | |
| diffusers.EntropyBoundScheduler(entropy_bound: float = 0.1, t_max: float = 0.8, t_min: float = 0.4, num_inference_steps: int = 32) | |
| ``` | |
| [Fuente](https://github.com/huggingface/diffusers/blob/main/src/diffusers/schedulers/scheduling_entropy_bound.py#L51) | |
| **Parámetros:** | |
| entropy_bound (`float`, por defecto 0.1) : La entropía conjunta máxima tolerada de los tokens aceptados. Valores más altos aceptan más tokens por paso. | |
| t_max (`float`, por defecto 0.8) : Temperatura de muestreo en el primer paso de desruido. | |
| t_min (`float`, por defecto 0.4) : Temperatura de muestreo en el último paso de desruido. | |
| num_inference_steps (`int`, por defecto 32) : El número máximo de pasos de desruido. | |
| Planificador de límite de entropía para el proceso de corrupción uniforme. | |
| En cada paso, el programador muestrea un token candidato por posición y acepta las `k` posiciones de menor entropía de modo que `sum_i^k entropy_i - max(entropy_1, ..., entropy_k) <= entropy_bound`. El lado izquierdo acota superiormente la información mutua conjunta entre los tokens aceptados, por lo que son aproximadamente independientes. Las posiciones aceptadas conservan su token muestreado; el resto se ruidifican con tokens aleatorios uniformes (no hay un token de máscara). | |
| Propuesto en "Accelerated Sampling from Masked Diffusion Models via Entropy Bounded Unmasking" (https://huggingface.co/papers/2505.24857). | |
| La temperatura de muestreo se recocida desde `t_max` en el primer paso hasta `t_min` en el último, coincidiendo con el muestreador del punto de control publicado (muestreo más agudo a medida que avanza el desruido). Se aplica a los logits antes tanto del muestreo de candidatos como de la entropía que impulsa la aceptación. | |
| #### paso[[diffusers.EntropyBoundScheduler.step]] | |
| ```python | |
| step(model_output: torch.Tensor, timestep: int | torch.Tensor, sample: torch.LongTensor, entropy_bound: float | None = None, generator: torch.Generator | None = None, return_dict: bool = True) | |
| ``` | |
| [Fuente](https://github.com/huggingface/diffusers/blob/main/src/diffusers/schedulers/scheduling_entropy_bound.py#L118) | |
| **Parámetros:** | |
| model_output (`torch.Tensor` de forma `(batch_size, block_length, vocab_size)`) : Logits crudos del modelo para el bloque actual. | |
| timestep (`int` o `torch.Tensor`) : Índice del paso actual dentro del programa de desruido; establece la temperatura de muestreo recocida. | |
| sample (`torch.LongTensor` de forma `(batch_size, block_length)`) : IDs de tokens del bloque actual. | |
| entropy_bound (`float`, *opcional*) : Anula el límite de entropía configurado para este paso. | |
| generator (`torch.Generator`, *opcional*) : Generador de números aleatorios para el muestreo. | |
| return_dict (`bool`) : Si se debe devolver un [EntropyBoundSchedulerOutput](/docs/diffusers/main/es/api/schedulers/entropy_bound#diffusers.EntropyBoundSchedulerOutput) o una tupla simple. | |
| Acepta las posiciones de menor entropía bajo el límite de entropía y re-ruidéa el resto. | |
| ## EntropyBoundSchedulerOutput[[diffusers.EntropyBoundSchedulerOutput]] | |
| #### diffusers.EntropyBoundSchedulerOutput[[diffusers.EntropyBoundSchedulerOutput]] | |
| ```python | |
| diffusers.EntropyBoundSchedulerOutput(prev_sample: torch.LongTensor, accepted_index: torch.BoolTensor, sampled_tokens: torch.LongTensor, sampled_probs: torch.Tensor, pred_logits: torch.Tensor) | |
| ``` | |
| [Fuente](https://github.com/huggingface/diffusers/blob/main/src/diffusers/schedulers/scheduling_entropy_bound.py#L27) | |
| **Parámetros:** | |
| prev_sample (`torch.LongTensor` de forma `(batch_size, block_length)`) : Tokens de bloque actualizados tras el paso de desruido actual. | |
| accepted_index (`torch.BoolTensor` de forma `(batch_size, block_length)`) : Máscara booleana de las posiciones aceptadas (confirmadas) en este paso. | |
| sampled_tokens (`torch.LongTensor` de forma `(batch_size, block_length)`) : IDs de tokens muestreados de los logits del modelo. | |
| sampled_probs (`torch.Tensor` de forma `(batch_size, block_length)`) : Probabilidades de los tokens muestreados. | |
| pred_logits (`torch.Tensor` de forma `(batch_size, block_length, vocab_size)`) : Los logits escalados por temperatura de los que se extrajeron los candidatos, para la autocondición del siguiente paso. | |
| Clase de salida para el programador de límite de entropía. | |
Xet Storage Details
- Size:
- 5.14 kB
- Xet hash:
- 0347380915208b262ad06a1349c0bd3aa4d86360ea083ec33997873d764b0a68
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.