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

AutoencoderKLHunyuanImage

Model autoencoder variational (VAE) 2D dengan kerugian KL yang digunakan dalam [HunyuanImage2.1].

Model dapat dimuat dengan potongan kode berikut.

from diffusers import AutoencoderKLHunyuanImage

vae = AutoencoderKLHunyuanImage.from_pretrained("hunyuanvideo-community/HunyuanImage-2.1-Diffusers", subfolder="vae", dtype=torch.bfloat16)

AutoencoderKLHunyuanImage[[diffusers.AutoencoderKLHunyuanImage]]

diffusers.AutoencoderKLHunyuanImage[[diffusers.AutoencoderKLHunyuanImage]]

diffusers.AutoencoderKLHunyuanImage(in_channels: int, out_channels: int, latent_channels: int, block_out_channels: tuple[int, ...], layers_per_block: int, spatial_compression_ratio: int, sample_size: int, scaling_factor: float = None, downsample_match_channel: bool = True, upsample_match_channel: bool = True)

Sumber

Model VAE untuk gambar 2D dengan dukungan penataan spasial.

Model ini mewarisi dari ModelMixin. Periksa dokumentasi kelas induk untuk metode generiknya yang diimplementasikan untuk semua model (seperti mengunduh atau menyimpan).

decode[[diffusers.AutoencoderKLHunyuanImage.decode]]

decode(z: Tensor, return_dict: bool = True)

Sumber

Parameter:

z (torch.Tensor) : Batch input dari vektor laten.

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

Mengembalikan: ~models.vae.DecoderOutput atau tuple

Jika return_dict adalah True, sebuah ~models.vae.DecoderOutput dikembalikan, selain itu sebuah tuple biasa dikembalikan.

Decode sekelompok gambar.

enable_tiling[[diffusers.AutoencoderKLHunyuanImage.enable_tiling]]

enable_tiling(tile_sample_min_size: int | None = None, tile_overlap_factor: float | None = None)

Sumber

Parameter:

tile_sample_min_size (int, opsional) : Ukuran minimum yang diperlukan agar sampel dapat dipisahkan menjadi ubin di sepanjang dimensi spasial.

tile_overlap_factor (float, opsional) : Faktor overlap yang diperlukan agar latent dapat dipisahkan menjadi tile di sepanjang dimensi spasial.

Aktifkan decoding VAE bertile spasial. Ketika opsi ini diaktifkan, VAE akan membagi tensor input menjadi beberapa tile untuk menghitung decoding dan encoding dalam beberapa langkah. Hal ini berguna untuk menghemat memori dalam jumlah besar dan memungkinkan pemrosesan gambar yang lebih besar.

encode[[diffusers.AutoencoderKLHunyuanImage.encode]]

encode(x: Tensor, return_dict: bool = True)

Sumber

Parameter:

x (torch.Tensor) : Batch input gambar.

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

Mengembalikan:

Representasi laten dari video yang dikodekan. Jika return_dict bernilai True, sebuah ~models.autoencoder_kl.AutoencoderKLOutput dikembalikan, selain itu sebuah tuple polos yang dikembalikan.

Enkodekan batch gambar menjadi latents.

forward[[diffusers.AutoencoderKLHunyuanImage.forward]]

forward(sample: Tensor, sample_posterior: bool = False, return_dict: bool = True, generator: typing.Optional[torch.Generator] = None)

Sumber

Parameter:

sample (torch.Tensor) : Sampel input.

sample_posterior (bool, opsional, defaultnya False) : Apakah akan melakukan sampling dari posterior.

return_dict (bool, opsional, defaultnya True) : Apakah akan mengembalikan DecoderOutput alih-alih tuple biasa.

generator (torch.Generator, opsional) : Sebuah torch.Generator untuk membuat sampling menjadi deterministik.

Mengembalikan: ~models.vae.DecoderOutput atau tuple

Jika return_dict bernilai True, sebuah ~models.vae.DecoderOutput akan dikembalikan, selain itu sebuah tuple biasa akan dikembalikan.

tiled_decode[[diffusers.AutoencoderKLHunyuanImage.tiled_decode]]

tiled_decode(z: Tensor, return_dict: bool = True)

Sumber

Parameter:

z (torch.Tensor) : Tensor laten dengan bentuk (B, C, H, W).

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

Mengembalikan: ~models.vae.DecoderOutput atau tuple

Jika return_dict adalah True, sebuah ~models.vae.DecoderOutput dikembalikan, selain itu sebuah tuple biasa dikembalikan.

Decode latent menggunakan strategi tiling spasial.

tiled_encode[[diffusers.AutoencoderKLHunyuanImage.tiled_encode]]

tiled_encode(x: Tensor)

Sumber

Parameter:

x (torch.Tensor) : Tensor input dengan bentuk (B, C, T, H, W).

Mengembalikan: torch.Tensor

Representasi laten dari gambar yang dikodekan.

Enkodekan input menggunakan strategi penataan spasial.

DecoderOutput[[diffusers.models.autoencoders.vae.DecoderOutput]]

diffusers.models.autoencoders.vae.DecoderOutput[[diffusers.models.autoencoders.vae.DecoderOutput]]

diffusers.models.autoencoders.vae.DecoderOutput(sample: Tensor, commit_loss: typing.Optional[torch.FloatTensor] = None)

Sumber

Parameter:

sample (torch.Tensor dengan bentuk (batch_size, num_channels, height, width)) : Sampel output yang didekodekan dari lapisan terakhir model.

Output dari metode decoding.