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

BriaTransformer2DModel

Model Transformer flux yang dimodifikasi dari Bria.

BriaTransformer2DModel[[diffusers.BriaTransformer2DModel]]

diffusers.BriaTransformer2DModel[[diffusers.BriaTransformer2DModel]]

diffusers.BriaTransformer2DModel(patch_size: int = 1, in_channels: int = 64, num_layers: int = 19, num_single_layers: int = 38, attention_head_dim: int = 128, num_attention_heads: int = 24, joint_attention_dim: int = 4096, pooled_projection_dim: int = None, guidance_embeds: bool = False, axes_dims_rope: list[int] = [16, 56, 56], rope_theta = 10000, time_theta = 10000)

Sumber

Parameter:

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

in_channels (int, opsional, default 16) : Jumlah channel pada input.

num_layers (int, opsional, default 18) : Jumlah lapisan blok MMDiT yang akan digunakan.

num_single_layers (int, opsional, default 18) : Jumlah lapisan blok DiT tunggal yang akan digunakan.

attention_head_dim (int, opsional, defaultnya 64) : Jumlah channel di setiap head.

num_attention_heads (int, opsional, default 18) : Jumlah head yang digunakan untuk multi-head attention.

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

pooled_projection_dim (int) : Jumlah dimensi yang digunakan saat memproyeksikan pooled_projections.

guidance_embeds (bool, defaultnya False) : Apakah akan menggunakan guidance embeddings.

Model Transformer yang diperkenalkan dalam Flux. Berdasarkan FluxPipeline dengan beberapa perubahan:

• tidak ada embedding yang dipool
• Kami menggunakan zero padding untuk prompt
• Tidak ada guidance embedding karena ini bukan versi yang telah di-distil Referensi: https://blackforestlabs.ai/announcing-black-forest-labs/

forward[[diffusers.BriaTransformer2DModel.forward]]

forward(hidden_states: Tensor, encoder_hidden_states: Tensor = None, pooled_projections: Tensor = None, timestep: LongTensor = None, img_ids: Tensor = None, txt_ids: Tensor = None, guidance: Tensor = None, attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True, controlnet_block_samples = None, controlnet_single_block_samples = None)

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.

pooled_projections (torch.FloatTensor dengan bentuk (batch_size, projection_dim)) : Embeddings yang diproyeksikan dari embeddings kondisi input.

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

img_ids (torch.Tensor) : ID posisi gambar yang digunakan untuk menghitung embedding posisi rotasi.

txt_ids (torch.Tensor) : ID posisi teks yang digunakan untuk menghitung embedding posisi rotasi.

guidance (torch.Tensor, opsional) : Embedding skala panduan yang digunakan untuk varian model yang telah melalui distilasi panduan.

controlnet_block_samples (list dari torch.Tensor, opsional) : Daftar tensor yang, jika ditentukan, akan ditambahkan ke residual blok transformer.

controlnet_single_block_samples (list dari torch.Tensor, opsional) : Daftar tensor yang, jika ditentukan, akan ditambahkan ke residual dari blok transformer tunggal.

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 BriaTransformer2DModel.