Buckets:

hf-doc-build
/

doc

Files

xet

hf-doc-build/doc / diffusers /main /fr /api /models /ovisimage_transformer2d.md

mishig

3 days ago

preview code

download

raw

3.97 kB

# OvisImageTransformer2DModel

Le modèle peut être chargé à l'aide du fragment de code suivant.

```python
from diffusers import OvisImageTransformer2DModel
transformer = OvisImageTransformer2DModel.from_pretrained("AIDC-AI/Ovis-Image-7B", subfolder="transformer", dtype=torch.bfloat16)
```

## OvisImageTransformer2DModel[[diffusers.OvisImageTransformer2DModel]]

#### diffusers.OvisImageTransformer2DModel[[diffusers.OvisImageTransformer2DModel]]

```python
diffusers.OvisImageTransformer2DModel(patch_size: int = 1, in_channels: int = 64, out_channels: int | None = 64, num_layers: int = 6, num_single_layers: int = 27, attention_head_dim: int = 128, num_attention_heads: int = 24, joint_attention_dim: int = 2048, axes_dims_rope: tuple[int, int, int] = (16, 56, 56))
```

[Source](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_ovis_image.py#L384)

**Paramètres :**

patch_size (`int`, par défaut `1`) : Taille des patches pour découper les données d'entrée en petits patches.
in_channels (`int`, par défaut `64`) : Le nombre de canaux dans l'entrée.

out_channels (`int`, *facultatif*, par défaut `None`) : Le nombre de canaux dans la sortie. S'il n'est pas spécifié, il est défini sur `in_channels` par défaut.

num_layers (`int`, par défaut `6`) : Le nombre de blocs DiT à double flux à utiliser.
num_single_layers (`int`, par défaut `27`) : Le nombre de blocs DiT à flux unique à utiliser.
attention_head_dim (`int`, par défaut `128`) : Le nombre de dimensions à utiliser pour chaque tête d'attention.
num_attention_heads (`int`, par défaut `24`) : Le nombre de têtes d'attention à utiliser.
joint_attention_dim (`int`, par défaut `2048`) : Le nombre de dimensions à utiliser pour l'attention conjointe (dimension d'embedding/canal de `encoder_hidden_states`).
axes_dims_rope (`tuple[int]`, par défaut `(16, 56, 56)`) : Les dimensions à utiliser pour les embeddings positionnels rotatifs.
Le modèle Transformer introduit dans Ovis-Image.
Référence : https://github.com/AIDC-AI/Ovis-Image
#### forward[[diffusers.OvisImageTransformer2DModel.forward]]
```python
forward(hidden_states: Tensor, encoder_hidden_states: Tensor = None, timestep: LongTensor = None, img_ids: Tensor = None, txt_ids: Tensor = None, joint_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_ovis_image.py#L476)
**Paramètres :**
hidden_states (`torch.Tensor` de forme `(batch_size, image_sequence_length, in_channels)`) : `hidden_states` d'entrée.

encoder_hidden_states (`torch.Tensor` de forme `(batch_size, text_sequence_length, joint_attention_dim)`) : 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.

img_ids : (`torch.Tensor`) : les identifiants de position pour les jetons d'image.
txt_ids (`torch.Tensor`) : Les identifiants de position pour les jetons de texte.

joint_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 [OvisImageTransformer2DModel](/docs/diffusers/main/fr/api/models/ovisimage_transformer2d#diffusers.OvisImageTransformer2DModel).

Xet Storage Details

Size:: 3.97 kB
Xet hash:: d9fd792afc1d9599140cdfe3732a3ec0ce5ba92b771b5e03db2865f025ebf6b5

Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.

	# OvisImageTransformer2DModel

	Le modèle peut être chargé à l'aide du fragment de code suivant.

	```python
	from diffusers import OvisImageTransformer2DModel

	transformer = OvisImageTransformer2DModel.from_pretrained("AIDC-AI/Ovis-Image-7B", subfolder="transformer", dtype=torch.bfloat16)
	```

	## OvisImageTransformer2DModel[[diffusers.OvisImageTransformer2DModel]]

	#### diffusers.OvisImageTransformer2DModel[[diffusers.OvisImageTransformer2DModel]]

	```python
	diffusers.OvisImageTransformer2DModel(patch_size: int = 1, in_channels: int = 64, out_channels: int \| None = 64, num_layers: int = 6, num_single_layers: int = 27, attention_head_dim: int = 128, num_attention_heads: int = 24, joint_attention_dim: int = 2048, axes_dims_rope: tuple[int, int, int] = (16, 56, 56))
	```

	[Source](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_ovis_image.py#L384)

	Paramètres :

	patch_size (`int`, par défaut `1`) : Taille des patches pour découper les données d'entrée en petits patches.

	in_channels (`int`, par défaut `64`) : Le nombre de canaux dans l'entrée.

	out_channels (`int`, facultatif, par défaut `None`) : Le nombre de canaux dans la sortie. S'il n'est pas spécifié, il est défini sur `in_channels` par défaut.

	num_layers (`int`, par défaut `6`) : Le nombre de blocs DiT à double flux à utiliser.

	num_single_layers (`int`, par défaut `27`) : Le nombre de blocs DiT à flux unique à utiliser.

	attention_head_dim (`int`, par défaut `128`) : Le nombre de dimensions à utiliser pour chaque tête d'attention.

	num_attention_heads (`int`, par défaut `24`) : Le nombre de têtes d'attention à utiliser.

	joint_attention_dim (`int`, par défaut `2048`) : Le nombre de dimensions à utiliser pour l'attention conjointe (dimension d'embedding/canal de `encoder_hidden_states`).

	axes_dims_rope (`tuple[int]`, par défaut `(16, 56, 56)`) : Les dimensions à utiliser pour les embeddings positionnels rotatifs.

	Le modèle Transformer introduit dans Ovis-Image.

	Référence : https://github.com/AIDC-AI/Ovis-Image

	#### forward[[diffusers.OvisImageTransformer2DModel.forward]]

	```python
	forward(hidden_states: Tensor, encoder_hidden_states: Tensor = None, timestep: LongTensor = None, img_ids: Tensor = None, txt_ids: Tensor = None, joint_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_ovis_image.py#L476)

	Paramètres :

	hidden_states (`torch.Tensor` de forme `(batch_size, image_sequence_length, in_channels)`) : `hidden_states` d'entrée.

	encoder_hidden_states (`torch.Tensor` de forme `(batch_size, text_sequence_length, joint_attention_dim)`) : 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.

	img_ids : (`torch.Tensor`) : les identifiants de position pour les jetons d'image.

	txt_ids (`torch.Tensor`) : Les identifiants de position pour les jetons de texte.

	joint_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 [OvisImageTransformer2DModel](/docs/diffusers/main/fr/api/models/ovisimage_transformer2d#diffusers.OvisImageTransformer2DModel).