diffusers/main/fr/api/models/z_image_transformer2d.md

ZImageTransformer2DModel

Un modèle Transformer pour des données de type image de Z-Image.

ZImageTransformer2DModel[[diffusers.ZImageTransformer2DModel]]

diffusers.ZImageTransformer2DModel[[diffusers.ZImageTransformer2DModel]]

diffusers.ZImageTransformer2DModel(all_patch_size = (2,), all_f_patch_size = (1,), in_channels = 16, dim = 3840, n_layers = 30, n_refiner_layers = 2, n_heads = 30, n_kv_heads = 30, norm_eps = 1e-05, qk_norm = True, cap_feat_dim = 2560, siglip_feat_dim = None, rope_theta = 256.0, t_scale = 1000.0, axes_dims = [32, 48, 48], axes_lens = [1024, 512, 512])

Source

forward[[diffusers.ZImageTransformer2DModel.forward]]

forward(x: list[torch.Tensor, list[list[torch.Tensor]]], t, cap_feats: list[torch.Tensor, list[list[torch.Tensor]]], return_dict: bool = True, controlnet_block_samples: dict[int, torch.Tensor] | None = None, siglip_feats: list[list[torch.Tensor]] | None = None, image_noise_mask: list[list[int]] | None = None, patch_size: int = 2, f_patch_size: int = 1, joint_attention_kwargs: dict[str, typing.Any] | None = None)

Source

Paramètres :

x (list de torch.Tensor ou list imbriquée de torch.Tensor) : Latents d'entrée. Une liste plate lors de l'exécution en mode standard, ou une liste imbriquée lors de l'exécution en mode omni.

t (torch.Tensor) : Utilisé pour indiquer l'étape de débruitage.

cap_feats (list de torch.Tensor ou list imbriquée de torch.Tensor) : embeddings de légendes conditionnelles (embeddings calculés à partir des conditions d’entrée telles que les prompts) à utiliser.

return_dict (bool, facultatif, par défaut True) : Indique s'il faut retourner un ~models.transformer_2d.Transformer2DModelOutput plutôt qu'un simple tuple.

controlnet_block_samples (dict de int vers torch.Tensor, facultatif) : Un mappage de l'indice de bloc vers un tenseur qui, s'il est spécifié, est ajouté aux résidus des blocs de transformeur.

siglip_feats (list de list de torch.Tensor, facultatif) : Caractéristiques d'image SigLIP facultatives utilisées comme conditionnement supplémentaire.

image_noise_mask (list de list de int, facultatif) : Masques de bruit par image indiquant les jetons bruités par rapport aux jetons propres en mode omni.

patch_size (int, facultatif, valeur par défaut 2) : Taille de patch spatial utilisée pour patchifier les latents d'entrée.

f_patch_size (int, facultatif, valeur par défaut 1) : Taille du patch temporel utilisée pour patchifier les latents d'entrée.

joint_attention_kwargs (dict, facultatif) : Un dictionnaire de kwargs. Seule l'entrée scale est utilisée, pour mettre à l'échelle les couches LoRA.

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 ZImageTransformer2DModel.

Flux : patchify -> t_embed -> x_embed -> x_refine -> cap_embed -> cap_refine -> [siglip_embed -> siglip_refine] -> build_unified -> main_layers -> final_layer -> unpatchify

patchify_and_embed[[diffusers.ZImageTransformer2DModel.patchify_and_embed]]

patchify_and_embed(all_image: list[torch.Tensor], all_cap_feats: list[torch.Tensor], patch_size: int, f_patch_size: int)

Source

Patchify pour le mode de base : une seule image par élément du lot.

patchify_and_embed_omni[[diffusers.ZImageTransformer2DModel.patchify_and_embed_omni]]

patchify_and_embed_omni(all_x: list[list[torch.Tensor]], all_cap_feats: list[list[torch.Tensor]], all_siglip_feats: list[list[torch.Tensor]], patch_size: int, f_patch_size: int, images_noise_mask: list[list[int]])

Source

Patchify pour le mode omni : plusieurs images par élément de lot avec des masques de bruit.