Buckets:
| ## LatteTransformer3DModel | |
| Un modèle Diffusion Transformer pour des données 3D issu de [Latte](https://github.com/Vchitect/Latte). | |
| ## LatteTransformer3DModel[[diffusers.LatteTransformer3DModel]] | |
| #### diffusers.LatteTransformer3DModel[[diffusers.LatteTransformer3DModel]] | |
| ```python | |
| 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) | |
| ``` | |
| [Source](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/latte_transformer_3d.py#L27) | |
| #### forward[[diffusers.LatteTransformer3DModel.forward]] | |
| ```python | |
| 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) | |
| ``` | |
| [Source](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/latte_transformer_3d.py#L166) | |
| **Paramètres :** | |
| hidden_states (`torch.Tensor` de forme `(batch size, channel, num_frame, height, width)`) : `hidden_states` en entrée. | |
| timestep ( `torch.LongTensor`, *facultatif*) : Sert à indiquer l'étape de débruitage. Pas de temps facultatif à appliquer en tant qu'embedding dans `AdaLayerNorm`. | |
| encoder_hidden_states ( `torch.FloatTensor` de forme `(batch size, sequence len, embed dims)`, *facultatif*) : Embeddings conditionnels pour la couche d'attention croisée. S'ils ne sont pas fournis, l'attention croisée se comporte par défaut comme une auto-attention. | |
| encoder_attention_mask ( `torch.Tensor`, *facultatif*) : Masque d'attention croisée appliqué à `encoder_hidden_states`. Deux formats pris en charge : * Masque `(batcheight, sequence_length)` True = conserver, False = supprimer. * Biais `(batcheight, 1, sequence_length)` 0 = conserver, -10000 = supprimer. Si `ndim == 2` : sera interprété comme un masque, puis converti en un biais cohérent avec le format ci-dessus. Ce biais sera ajouté aux scores d'attention croisée. | |
| enable_temporal_attentions : (`bool`, *facultatif*, par défaut `True`): Indique s'il faut activer les attentions temporelles. | |
| return_dict (`bool`, *facultatif*, par défaut `True`) : Indique s'il faut retourner un `~models.unet_2d_condition.UNet2DConditionOutput` plutôt qu'un simple tuple. | |
| **Retourne :** | |
| Si `return_dict` est True, un `~models.transformer_2d.Transformer2DModelOutput` est renvoyé, sinon un `tuple` dont le premier élément est le tenseur d'échantillon. | |
| La méthode forward du [LatteTransformer3DModel](/docs/diffusers/main/fr/api/models/latte_transformer3d#diffusers.LatteTransformer3DModel). | |
Xet Storage Details
- Size:
- 3.12 kB
- Xet hash:
- 235cdf4e3bad03429eb78f0c5c1bb24b922788727208f73ce50b8b54dce85d16
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.