diffusers/main/id/api/models/aura_flow_transformer2d.md

AuraFlowTransformer2DModel

Model Transformer untuk data seperti gambar dari AuraFlow.

AuraFlowTransformer2DModel[[diffusers.AuraFlowTransformer2DModel]]

diffusers.AuraFlowTransformer2DModel[[diffusers.AuraFlowTransformer2DModel]]

diffusers.AuraFlowTransformer2DModel(sample_size: int = 64, patch_size: int = 2, in_channels: int = 4, num_mmdit_layers: int = 4, num_single_dit_layers: int = 32, attention_head_dim: int = 256, num_attention_heads: int = 12, joint_attention_dim: int = 2048, caption_projection_dim: int = 3072, out_channels: int = 4, pos_embed_max_size: int = 1024)

Sumber

Parameter:

sample_size (int) : Lebar dari gambar laten. Ini tetap selama pelatihan karena digunakan untuk mempelajari sejumlah position embeddings.

patch_size (int) : Ukuran patch untuk mengubah data input menjadi patch kecil.

in_channels (int, opsional, defaultnya 4) : Jumlah channel pada input.

num_mmdit_layers (int, opsional, defaultnya 4) : Jumlah lapisan blok Transformer MMDiT yang akan digunakan.

num_single_dit_layers (int, opsional, defaultnya 32) : Jumlah lapisan blok Transformer yang akan digunakan. Blok-blok ini menggunakan representasi gambar dan teks yang digabungkan.

attention_head_dim (int, opsional, defaultnya 256) : Jumlah channel di setiap head.

num_attention_heads (int, opsional, default 12) : Jumlah head yang digunakan untuk multi-head attention.

joint_attention_dim (int, opsional) : Jumlah dimensi encoder_hidden_states yang akan digunakan.

caption_projection_dim (int) : Jumlah dimensi yang digunakan saat memproyeksikan encoder_hidden_states.

out_channels (int, defaultnya 4) : Jumlah kanal output.

pos_embed_max_size (int, defaultnya 1024) : Posisi maksimum yang akan di-embed dari latens gambar.

Model Transformer 2D yang diperkenalkan dalam AuraFlow (https://blog.fal.ai/auraflow/).

forward[[diffusers.AuraFlowTransformer2DModel.forward]]

forward(hidden_states: FloatTensor, encoder_hidden_states: FloatTensor = None, timestep: LongTensor = None, attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True)

Sumber

Parameter:

hidden_states (torch.FloatTensor dengan bentuk (batch size, channel, height, width)) : Input hidden_states.

encoder_hidden_states (torch.FloatTensor dengan bentuk (batch size, sequence_len, embed_dims)) : Embedding kondisional (embedding yang dihitung dari kondisi input seperti prompt) yang akan digunakan.

timestep (torch.LongTensor) : Digunakan untuk menunjukkan langkah denoising.

attention_kwargs (dict, opsional) : Kamus kwargs yang jika ditentukan akan diteruskan ke AttentionProcessor seperti yang didefinisikan di bawah self.processor dalam diffusers.models.attention_processor.

return_dict (bool, opsional, defaultnya True) : Apakah akan mengembalikan ~models.transformer_2d.Transformer2DModelOutput alih-alih tuple biasa.

Mengembalikan:

Jika return_dict bernilai True, sebuah ~models.transformer_2d.Transformer2DModelOutput akan dikembalikan, selain itu sebuah tuple di mana elemen pertama adalah tensor sampel.

Metode forward dari AuraFlowTransformer2DModel.

fuse_qkv_projections[[diffusers.AuraFlowTransformer2DModel.fuse_qkv_projections]]

fuse_qkv_projections()

Sumber

Mengaktifkan proyeksi QKV yang digabungkan. Untuk modul self-attention, semua matriks proyeksi (yaitu, query, key, value) digabungkan. Untuk modul cross-attention, matriks proyeksi key dan value digabungkan.

> API ini 🧪 eksperimental.

unfuse_qkv_projections[[diffusers.AuraFlowTransformer2DModel.unfuse_qkv_projections]]

unfuse_qkv_projections()

Sumber

Menonaktifkan proyeksi QKV yang digabungkan jika diaktifkan.

> API ini 🧪 eksperimental.