Buckets:
| # MochiTransformer3DModel | |
| Un modèle Diffusion Transformer pour des données vidéo 3D a été introduit dans [Mochi-1 Preview](https://huggingface.co/genmo/mochi-1-preview) par Genmo. | |
| Le modèle peut être chargé à l'aide du fragment de code suivant. | |
| ```python | |
| from diffusers import MochiTransformer3DModel | |
| transformer = MochiTransformer3DModel.from_pretrained("genmo/mochi-1-preview", subfolder="transformer", dtype=torch.float16).to("cuda") # or "mps", "xpu", "cpu" | |
| ``` | |
| ## MochiTransformer3DModel[[diffusers.MochiTransformer3DModel]] | |
| #### diffusers.MochiTransformer3DModel[[diffusers.MochiTransformer3DModel]] | |
| ```python | |
| diffusers.MochiTransformer3DModel(patch_size: int = 2, num_attention_heads: int = 24, attention_head_dim: int = 128, num_layers: int = 48, pooled_projection_dim: int = 1536, in_channels: int = 12, out_channels: int | None = None, qk_norm: str = 'rms_norm', text_embed_dim: int = 4096, time_embed_dim: int = 256, activation_fn: str = 'swiglu', max_sequence_length: int = 256) | |
| ``` | |
| [Source](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_mochi.py#L309) | |
| **Paramètres :** | |
| patch_size (`int`, par défaut `2`) : La taille des patches à utiliser dans la couche d'encodage de patches. | |
| num_attention_heads (`int`, par défaut `24`) : Le nombre de têtes à utiliser pour l'attention multi-têtes. | |
| attention_head_dim (`int`, par défaut `128`) : Le nombre de canaux dans chaque tête. | |
| num_layers (`int`, par défaut `48`) : Le nombre de blocs Transformer à utiliser. | |
| in_channels (`int`, par défaut `12`) : Le nombre de canaux dans l'entrée. | |
| out_channels (`int`, *facultatif*, par défaut `None`) : Le nombre de canaux dans la sortie. | |
| qk_norm (`str`, par défaut `"rms_norm"`) : La couche de normalisation à utiliser. | |
| text_embed_dim (`int`, par défaut `4096`) : Dimension d'entrée des embeddings de texte issus de l'encodeur de texte. | |
| time_embed_dim (`int`, par défaut `256`) : Dimension de sortie des embeddings de pas de temps. | |
| activation_fn (`str`, par défaut `"swiglu"`) : Fonction d'activation à utiliser dans le réseau de neurones à propagation avant. | |
| max_sequence_length (`int`, par défaut `256`) : La longueur de séquence maximale des embeddings de texte prise en charge. | |
| Un modèle Transformer pour des données de type vidéo, introduit dans [Mochi](https://huggingface.co/genmo/mochi-1-preview). | |
| #### forward[[diffusers.MochiTransformer3DModel.forward]] | |
| ```python | |
| forward(hidden_states: Tensor, encoder_hidden_states: Tensor, timestep: LongTensor, 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_mochi.py#L407) | |
| **Paramètres :** | |
| hidden_states (`torch.Tensor` de forme `(batch_size, num_channels, num_frames, height, width)`) : `hidden_states` d'entrée. | |
| 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. | |
| timestep (`torch.LongTensor`) : Utilisé pour indiquer l'étape de débruitage. | |
| 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 :** `torch.Tensor` | |
| Le tenseur de sortie débruité de forme `(batch_size, out_channels, num_frames, height, width)`. | |
| La méthode forward du [MochiTransformer3DModel](/docs/diffusers/main/fr/api/models/mochi_transformer3d#diffusers.MochiTransformer3DModel). | |
| ## 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:
- 5.08 kB
- Xet hash:
- 7e323cb6841afc93a51abc9de1432d6b20e1cb952f543ef4f8c0fa32a7104eae
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.