Buckets:
| # Fonctions d'activation | |
| Fonctions d'activation personnalisées pour prendre en charge divers modèles dans 🤗 Diffusers. | |
| ## GELU[[diffusers.models.activations.GELU]] | |
| #### diffusers.models.activations.GELU[[diffusers.models.activations.GELU]] | |
| ```python | |
| diffusers.models.activations.GELU(dim_in: int, dim_out: int, approximate: str = 'none', bias: bool = True) | |
| ``` | |
| [Source](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/activations.py#L65) | |
| **Paramètres :** | |
| dim_in (`int`) : Le nombre de canaux dans l'entrée. | |
| dim_out (`int`) : Le nombre de canaux dans la sortie. | |
| approximate (`str`, *facultatif*, valeur par défaut `"none"`) : Si `"tanh"`, utilise l'approximation tanh. | |
| bias (`bool`, par défaut True) : Indique s'il faut utiliser un biais dans la couche linéaire. | |
| Fonction d'activation GELU avec prise en charge de l'approximation tanh via `approximate="tanh"`. | |
| ## GEGLU[[diffusers.models.activations.GEGLU]] | |
| #### diffusers.models.activations.GEGLU[[diffusers.models.activations.GEGLU]] | |
| ```python | |
| diffusers.models.activations.GEGLU(dim_in: int, dim_out: int, bias: bool = True) | |
| ``` | |
| [Source](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/activations.py#L90) | |
| **Paramètres :** | |
| dim_in (`int`) : Le nombre de canaux dans l'entrée. | |
| dim_out (`int`) : Le nombre de canaux dans la sortie. | |
| bias (`bool`, par défaut True) : Indique s'il faut utiliser un biais dans la couche linéaire. | |
| Une [variante](https://huggingface.co/papers/2002.05202) de la fonction d'activation gated linear unit. | |
| ## ApproximateGELU[[diffusers.models.activations.ApproximateGELU]] | |
| #### diffusers.models.activations.ApproximateGELU[[diffusers.models.activations.ApproximateGELU]] | |
| ```python | |
| diffusers.models.activations.ApproximateGELU(dim_in: int, dim_out: int, bias: bool = True) | |
| ``` | |
| [Source](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/activations.py#L143) | |
| **Paramètres :** | |
| dim_in (`int`) : Le nombre de canaux dans l'entrée. | |
| dim_out (`int`) : Le nombre de canaux dans la sortie. | |
| bias (`bool`, par défaut True) : Indique s'il faut utiliser un biais dans la couche linéaire. | |
| La forme approximative de la fonction d'activation Gaussian Error Linear Unit (GELU). Pour plus de détails, consultez la section 2 de cet [article](https://huggingface.co/papers/1606.08415). | |
| ## SwiGLU[[diffusers.models.activations.SwiGLU]] | |
| #### diffusers.models.activations.SwiGLU[[diffusers.models.activations.SwiGLU]] | |
| ```python | |
| diffusers.models.activations.SwiGLU(dim_in: int, dim_out: int, bias: bool = True) | |
| ``` | |
| [Source](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/activations.py#L120) | |
| **Paramètres :** | |
| dim_in (`int`) : Le nombre de canaux dans l'entrée. | |
| dim_out (`int`) : Le nombre de canaux dans la sortie. | |
| bias (`bool`, par défaut True) : Indique s'il faut utiliser un biais dans la couche linéaire. | |
| Une [variante](https://huggingface.co/papers/2002.05202) de la fonction d'activation gated linear unit. Elle est similaire à `GEGLU` mais utilise SiLU / Swish au lieu de GeLU. | |
| ## FP32SiLU[[diffusers.models.activations.FP32SiLU]] | |
| #### diffusers.models.activations.FP32SiLU[[diffusers.models.activations.FP32SiLU]] | |
| ```python | |
| diffusers.models.activations.FP32SiLU() | |
| ``` | |
| [Source](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/activations.py#L53) | |
| Fonction d'activation SiLU avec l'entrée convertie en torch.float32. | |
| ## LinearActivation[[diffusers.models.activations.LinearActivation]] | |
| #### diffusers.models.activations.LinearActivation[[diffusers.models.activations.LinearActivation]] | |
| ```python | |
| diffusers.models.activations.LinearActivation(dim_in: int, dim_out: int, bias: bool = True, activation: str = 'silu') | |
| ``` | |
| [Source](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/activations.py#L163) | |
Xet Storage Details
- Size:
- 3.86 kB
- Xet hash:
- 393b7b9ca53e8acea27aa46a2193fe62d80938ca8add274dfa8c37e961ee4994
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.