Buckets:
| # Lumina2Transformer2DModel | |
| Un modèle Diffusion Transformer pour des données vidéo 3D a été introduit dans [Lumina Image 2.0](https://huggingface.co/Alpha-VLLM/Lumina-Image-2.0) par Alpha-VLLM. | |
| Le modèle peut être chargé à l'aide du fragment de code suivant. | |
| ```python | |
| from diffusers import Lumina2Transformer2DModel | |
| transformer = Lumina2Transformer2DModel.from_pretrained("Alpha-VLLM/Lumina-Image-2.0", subfolder="transformer", dtype=torch.bfloat16) | |
| ``` | |
| ## Lumina2Transformer2DModel[[diffusers.Lumina2Transformer2DModel]] | |
| #### diffusers.Lumina2Transformer2DModel[[diffusers.Lumina2Transformer2DModel]] | |
| ```python | |
| diffusers.Lumina2Transformer2DModel(sample_size: int = 128, patch_size: int = 2, in_channels: int = 16, out_channels: int | None = None, hidden_size: int = 2304, num_layers: int = 26, num_refiner_layers: int = 2, num_attention_heads: int = 24, num_kv_heads: int = 8, multiple_of: int = 256, ffn_dim_multiplier: float | None = None, norm_eps: float = 1e-05, scaling_factor: float = 1.0, axes_dim_rope: tuple[int, int, int] = (32, 32, 32), axes_lens: tuple[int, int, int] = (300, 512, 512), cap_feat_dim: int = 1024) | |
| ``` | |
| [Source](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_lumina2.py#L327) | |
| **Paramètres :** | |
| sample_size (`int`) : La largeur des images latentes. Cette valeur est fixe pendant l'entraînement, car elle est utilisée pour apprendre un nombre d'embeddings de position. | |
| patch_size (`int`, *facultatif*, (`int`, *facultatif*, valeur par défaut 2) : La taille de chaque patch dans l'image. Ce paramètre définit la résolution des patches fournis au modèle. | |
| in_channels (`int`, *facultatif*, valeur par défaut 4) : Le nombre de canaux d'entrée pour le modèle. Généralement, cela correspond au nombre de canaux des images d'entrée. | |
| hidden_size (`int`, *facultatif*, valeur par défaut 4096) : La dimensionnalité des couches cachées du modèle. Ce paramètre détermine la largeur des représentations cachées du modèle. | |
| num_layers (`int`, *facultatif*, par défaut 32) : Le nombre de couches dans le modèle. Cela définit la profondeur du réseau de neurones. | |
| num_attention_heads (`int`, *facultatif*, valeur par défaut 32) : Le nombre de têtes d'attention dans chaque couche d'attention. Ce paramètre spécifie le nombre de mécanismes d'attention distincts utilisés. | |
| num_kv_heads (`int`, *facultatif*, valeur par défaut 8) : Le nombre de têtes de clé-valeur dans le mécanisme d'attention, s'il diffère du nombre de têtes d'attention. Si None, il est défini sur num_attention_heads. | |
| multiple_of (`int`, *facultatif*, valeur par défaut 256) : Un facteur dont la taille cachée doit être un multiple. Cela peut aider à optimiser certaines configurations matérielles. | |
| ffn_dim_multiplier (`float`, *facultatif*) : Un multiplicateur pour la dimensionnalité du réseau feed-forward. Si None, il utilise une valeur par défaut basée sur la configuration du modèle. | |
| norm_eps (`float`, *facultatif*, par défaut 1e-5) : Une petite valeur ajoutée au dénominateur pour la stabilité numérique dans les couches de normalisation. | |
| scaling_factor (`float`, *facultatif*, valeur par défaut 1.0) : Un facteur d'échelle appliqué à certains paramètres ou couches du modèle. Il peut être utilisé pour ajuster l'échelle globale des opérations du modèle. | |
| Lumina2NextDiT : modèle de diffusion avec un squelette Transformer. | |
| #### forward[[diffusers.Lumina2Transformer2DModel.forward]] | |
| ```python | |
| forward(hidden_states: Tensor, timestep: Tensor, encoder_hidden_states: Tensor, encoder_attention_mask: Tensor, attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True) | |
| ``` | |
| [Source](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_lumina2.py#L460) | |
| **Paramètres :** | |
| hidden_states (`torch.Tensor` de forme `(batch_size, in_channels, height, width)`) : `hidden_states` en entrée. | |
| timestep (`torch.LongTensor`) : Utilisé pour indiquer l'étape de débruitage. | |
| encoder_hidden_states (`torch.Tensor` de forme `(batch_size, sequence_len, embed_dims)`) : Embeddings conditionnels (embeddings calculés à partir des conditions d'entrée telles que les prompts) à utiliser. | |
| encoder_attention_mask (`torch.Tensor`) : Masque appliqué à `encoder_hidden_states` lors de l'attention. | |
| attention_kwargs (`dict`, *facultatif*) : Un dictionnaire de kwargs qui, s'il est spécifié, est transmis à l'`AttentionProcessor` tel que défini sous `self.processor` dans [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py). | |
| return_dict (`bool`, *facultatif*, par défaut `True`) : Indique s'il faut retourner un `~models.transformer_2d.Transformer2DModelOutput` 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 [Lumina2Transformer2DModel](/docs/diffusers/main/fr/api/models/lumina2_transformer2d#diffusers.Lumina2Transformer2DModel). | |
| ## Transformer2DModelOutput[[diffusers.models.modeling_outputs.Transformer2DModelOutput]] | |
| #### diffusers.models.modeling_outputs.Transformer2DModelOutput[[diffusers.models.modeling_outputs.Transformer2DModelOutput]] | |
| ```python | |
| diffusers.models.modeling_outputs.Transformer2DModelOutput(sample: torch.Tensor) | |
| ``` | |
| [Source](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/modeling_outputs.py#L21) | |
| **Paramètres :** | |
| sample (`torch.Tensor` de forme `(batch_size, num_channels, height, width)` ou `(batch size, num_vector_embeds - 1, num_latent_pixels)` si [Transformer2DModel](/docs/diffusers/main/fr/api/models/transformer2d#diffusers.Transformer2DModel) est discret) : Les états cachés en sortie, conditionnés par l'entrée `encoder_hidden_states`. Si discret, renvoie les distributions de probabilité pour les pixels latents non bruités. | |
| La sortie de [Transformer2DModel](/docs/diffusers/main/fr/api/models/transformer2d#diffusers.Transformer2DModel). | |
Xet Storage Details
- Size:
- 6.18 kB
- Xet hash:
- 927fe6de6fc31e81e6d372ace23c8765d61bdc21cbe1a29938e9f7cbaf59313b
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.