Buckets:
| # AutoencoderKLKVAE | |
| Model autoencoder variational (VAE) 2D dengan kerugian KL. | |
| Model dapat dimuat dengan potongan kode berikut. | |
| ```python | |
| import torch | |
| from diffusers import AutoencoderKLKVAE | |
| vae = AutoencoderKLKVAE.from_pretrained("kandinskylab/KVAE-2D-1.0", subfolder="diffusers", dtype=torch.bfloat16) | |
| ``` | |
| ## AutoencoderKLKVAE[[diffusers.AutoencoderKLKVAE]] | |
| #### diffusers.AutoencoderKLKVAE[[diffusers.AutoencoderKLKVAE]] | |
| ```python | |
| diffusers.AutoencoderKLKVAE(in_channels: int = 3, channels: int = 128, num_enc_blocks: int = 2, num_dec_blocks: int = 2, z_channels: int = 16, double_z: bool = True, ch_mult: typing.Tuple[int, ...] = (1, 2, 4, 8), sample_size: int = 1024) | |
| ``` | |
| [Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/autoencoders/autoencoder_kl_kvae.py#L521) | |
| **Parameter:** | |
| in_channels (int, *opsional*, default 3) : Jumlah channel pada gambar input. | |
| channels (int, *opsional*, default 128) : Jumlah channel dasar dalam blok multiresolusi. | |
| num_enc_blocks (int, *opsional*, default 2) : Jumlah blok Resnet pada lapisan multiresolusi encoder. | |
| num_dec_blocks (int, *opsional*, default 2) : Jumlah blok Resnet pada lapisan multiresolusi decoder. | |
| z_channels (int, *opsional*, default 16) : Jumlah channel di ruang laten. | |
| double_z (`bool`, *opsional*, defaultnya `True`) : Apakah akan menggandakan jumlah saluran output dari encoder. | |
| ch_mult (`Tuple[int, ...]`, *opsional*, default ke `(1, 2, 4, 8)`) : Pengali channel di blok multiresolusi. | |
| sample_size (`int`, *opsional*, defaultnya `1024`) : Ukuran input sampel. | |
| Model VAE dengan kerugian KL untuk mengkodekan gambar menjadi latens dan mendekodekan representasi latens menjadi gambar. | |
| Model ini mewarisi dari [ModelMixin](/docs/diffusers/main/id/api/models/overview#diffusers.ModelMixin). Periksa dokumentasi kelas induk untuk metode generiknya yang diimplementasikan untuk semua model (seperti mengunduh atau menyimpan). | |
| #### decode[[diffusers.AutoencoderKLKVAE.decode]] | |
| ```python | |
| decode(z: FloatTensor, return_dict: bool = True, generator = None) | |
| ``` | |
| [Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/autoencoders/autoencoder_kl_kvae.py#L642) | |
| **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. | |
| #### encode[[diffusers.AutoencoderKLKVAE.encode]] | |
| ```python | |
| encode(x: Tensor, return_dict: bool = True) | |
| ``` | |
| [Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/autoencoders/autoencoder_kl_kvae.py#L602) | |
| **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 gambar 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.AutoencoderKLKVAE.forward]] | |
| ```python | |
| forward(sample: Tensor, sample_posterior: bool = False, return_dict: bool = True, generator: typing.Optional[torch.Generator] = None) | |
| ``` | |
| [Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/autoencoders/autoencoder_kl_kvae.py#L776) | |
| **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`](https://pytorch.org/docs/stable/generated/torch.Generator.html) 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.AutoencoderKLKVAE.tiled_decode]] | |
| ```python | |
| tiled_decode(z: Tensor, return_dict: bool = True) | |
| ``` | |
| [Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/autoencoders/autoencoder_kl_kvae.py#L729) | |
| **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 batch gambar menggunakan decoder bertile. | |
Xet Storage Details
- Size:
- 4.99 kB
- Xet hash:
- b57c12eaec3e53f2b478da10531a7f78f15a0cd6a547604c8b1b4bb52f4fefd1
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.