diffusers/main/fr/api/models/unet2d.md

UNet2DModel

Le modèle UNet a été initialement introduit par Ronneberger et al. pour la segmentation d'images biomédicales, mais il est également couramment utilisé dans 🤗 Diffusers car il produit des images de la même taille que l'entrée. C'est l'un des composants les plus importants d'un système de diffusion, car il facilite le processus de diffusion lui-même. Il existe plusieurs variantes du modèle UNet dans 🤗 Diffusers, en fonction de son nombre de dimensions et de savoir s'il s'agit ou non d'un modèle conditionnel. Il s'agit ici d'un modèle UNet 2D.

L'abstract de l'article est :

Il est largement admis que l’entraînement réussi de réseaux profonds nécessite des milliers d’échantillons d’entraînement annotés. Dans cet article, nous présentons un réseau et une stratégie d’entraînement qui reposent sur l’utilisation intensive de l’augmentation de données afin d’exploiter plus efficacement les échantillons annotés disponibles. L’architecture se compose d’un chemin contractant pour capturer le contexte et d’un chemin d’expansion symétrique permettant une localisation précise. Nous montrons qu’un tel réseau peut être entraîné de bout en bout à partir de très peu d’images et qu’il surpasse la meilleure méthode antérieure (un réseau convolutif à fenêtre glissante) lors du défi ISBI de segmentation de structures neuronales dans des piles de microscopie électronique. En utilisant le même réseau entraîné sur des images de microscopie en lumière transmise (contraste de phase et DIC), nous avons remporté le défi ISBI de suivi cellulaire 2015 dans ces catégories avec une large avance. De plus, le réseau est rapide. La segmentation d’une image de 512x512 prend moins d’une seconde sur un GPU récent. L’implémentation complète (basée sur Caffe) et les réseaux entraînés sont disponibles à l’adresse http://lmb.informatik.uni-freiburg.de/people/ronneber/u-net.

UNet2DModel[[diffusers.UNet2DModel]]

diffusers.UNet2DModel[[diffusers.UNet2DModel]]

diffusers.UNet2DModel(sample_size: int | tuple[int, int] | None = None, in_channels: int = 3, out_channels: int = 3, center_input_sample: bool = False, time_embedding_type: str = 'positional', time_embedding_dim: int | None = None, freq_shift: int = 0, flip_sin_to_cos: bool = True, down_block_types: tuple[str, ...] = ('DownBlock2D', 'AttnDownBlock2D', 'AttnDownBlock2D', 'AttnDownBlock2D'), mid_block_type: str | None = 'UNetMidBlock2D', up_block_types: tuple[str, ...] = ('AttnUpBlock2D', 'AttnUpBlock2D', 'AttnUpBlock2D', 'UpBlock2D'), block_out_channels: tuple[int, ...] = (224, 448, 672, 896), layers_per_block: int = 2, mid_block_scale_factor: float = 1, downsample_padding: int = 1, downsample_type: str = 'conv', upsample_type: str = 'conv', dropout: float = 0.0, act_fn: str = 'silu', attention_head_dim: int | None = 8, norm_num_groups: int = 32, attn_norm_num_groups: int | None = None, norm_eps: float = 1e-05, resnet_time_scale_shift: str = 'default', add_attention: bool = True, class_embed_type: str | None = None, num_class_embeds: int | None = None, num_train_timesteps: int | None = None)

Source

Paramètres :

sample_size (int ou tuple[int, int], facultatif, valeur par défaut None) : Hauteur et largeur de l'échantillon d'entrée/sortie. Les dimensions doivent être un multiple de 2 ** (len(block_out_channels) - 1).

in_channels (int, facultatif, valeur par défaut 3) : Nombre de canaux dans l'échantillon d'entrée.

out_channels (int, facultatif, valeur par défaut 3) : Nombre de canaux dans la sortie.

center_input_sample (bool, facultatif, par défaut False) : Indique s'il faut centrer l'échantillon d'entrée.

time_embedding_type (str, facultatif, par défaut "positional") : Type d'incorporation temporelle à utiliser.

freq_shift (int, facultatif, valeur par défaut 0) : Décalage de fréquence pour l'incorporation temporelle de Fourier.

flip_sin_to_cos (bool, facultatif, par défaut True) : Indique s'il faut inverser sin en cos pour l'incorporation temporelle de Fourier.

down_block_types (tuple[str], facultatif, par défaut ("DownBlock2D", "AttnDownBlock2D", "AttnDownBlock2D", "AttnDownBlock2D")) : tuple des types de blocs de sous-échantillonnage.

mid_block_type (str, facultatif, valeur par défaut "UNetMidBlock2D") : Type de bloc pour la partie centrale du UNet, il peut être soit UNetMidBlock2D soit None.

up_block_types (tuple[str], facultatif, par défaut ("AttnUpBlock2D", "AttnUpBlock2D", "AttnUpBlock2D", "UpBlock2D")) : tuple de types de blocs de suréchantillonnage.

block_out_channels (tuple[int], facultatif, par défaut (224, 448, 672, 896)) : tuple des canaux de sortie des blocs.

layers_per_block (int, facultatif, par défaut 2) : Le nombre de couches par bloc.

mid_block_scale_factor (float, facultatif, par défaut 1) : Le facteur d'échelle pour le bloc intermédiaire.

downsample_padding (int, facultatif, par défaut 1) : Le padding pour la convolution de downsampling.

downsample_type (str, facultatif, par défaut conv) : Le type de downsampling pour les couches de downsampling. Choisissez entre "conv" et "resnet"

upsample_type (str, facultatif, par défaut conv) : Le type de suréchantillonnage pour les couches de suréchantillonnage. Choisissez entre "conv" et "resnet"

dropout (float, facultatif, par défaut 0.0) : La probabilité de dropout à utiliser.

act_fn (str, facultatif, par défaut "silu") : La fonction d'activation à utiliser.

attention_head_dim (int, facultatif, par défaut 8) : La dimension des têtes d'attention.

norm_num_groups (int, facultatif, par défaut 32) : Le nombre de groupes pour la normalisation.

attn_norm_num_groups (int, facultatif, valeur par défaut None) : Si défini sur un entier, une couche de group norm sera créée dans la couche Attention du bloc intermédiaire avec le nombre de groupes indiqué. Si laissé à None, la couche de group norm ne sera créée que si resnet_time_scale_shift est défini sur default, et, dans ce cas, elle aura norm_num_groups groupes.

norm_eps (float, facultatif, par défaut 1e-5) : L'épsilon pour la normalisation.

resnet_time_scale_shift (str, facultatif, valeur par défaut "default") : configuration du décalage d'échelle temporelle pour les blocs ResNet (voir ResnetBlock2D). Choisissez entre default et scale_shift.

class_embed_type (str, facultatif, valeur par défaut None) : Le type d'embedding de classe à utiliser, qui est finalement additionné aux embeddings temporels. Choisissez parmi None, "timestep" ou "identity".

num_class_embeds (int, facultatif, valeur par défaut None) : Dimension d'entrée de la matrice d'incorporation apprenable à projeter vers time_embed_dim lors de l'utilisation d'un conditionnement par classe avec class_embed_type égal à None.

Un modèle UNet 2D qui prend un échantillon bruité et un pas de temps en entrée et renvoie une sortie de la même forme que l'échantillon.

Ce modèle hérite de ModelMixin. Consultez la documentation de la classe parente pour ses méthodes génériques implémentées pour tous les modèles (tels que le téléchargement ou l'enregistrement).

forward[[diffusers.UNet2DModel.forward]]

forward(sample: Tensor, timestep: typing.Union[torch.Tensor, float, int], class_labels: typing.Optional[torch.Tensor] = None, return_dict: bool = True)

Source

Paramètres :

sample (torch.Tensor) : Le tenseur d'entrée bruité de la forme suivante (batch, channel, height, width).

timestep (torch.Tensor ou float ou int) : Le nombre de pas de temps pour débruitiser une entrée.

class_labels (torch.Tensor, facultatif, valeur par défaut None) : Étiquettes de classe optionnelles pour le conditionnement. Leurs embeddings seront additionnés aux embeddings du timestep.

return_dict (bool, facultatif, par défaut True) : Indique s'il faut retourner un UNet2DOutput plutôt qu'un simple tuple.

Retourne : UNet2DOutput ou tuple

Si return_dict est True, un UNet2DOutput est renvoyé, sinon un tuple est renvoyé dont le premier élément est le tenseur d'échantillon.

La méthode forward du UNet2DModel.

UNet2DOutput[[diffusers.models.unets.unet_2d.UNet2DOutput]]

diffusers.models.unets.unet_2d.UNet2DOutput[[diffusers.models.unets.unet_2d.UNet2DOutput]]

diffusers.models.unets.unet_2d.UNet2DOutput(sample: Tensor)

Source

Paramètres :

sample (torch.Tensor de forme (batch_size, num_channels, height, width)) : Les états cachés en sortie de la dernière couche du modèle.

La sortie de UNet2DModel.