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

ChromaTransformer2DModel

Model Transformer flux yang dimodifikasi dari Chroma

ChromaTransformer2DModel[[diffusers.ChromaTransformer2DModel]]

diffusers.ChromaTransformer2DModel[[diffusers.ChromaTransformer2DModel]]

diffusers.ChromaTransformer2DModel(patch_size: int = 1, in_channels: int = 64, out_channels: int | None = None, num_layers: int = 19, num_single_layers: int = 38, attention_head_dim: int = 128, num_attention_heads: int = 24, joint_attention_dim: int = 4096, axes_dims_rope: tuple[int, ...] = (16, 56, 56), approximator_num_channels: int = 64, approximator_hidden_dim: int = 5120, approximator_layers: int = 5)

Sumber

Parameter:

patch_size (int, defaultnya 1) : Ukuran patch untuk mengubah data input menjadi patch kecil.

in_channels (int, defaultnya 64) : Jumlah channel pada input.

out_channels (int, opsional, defaultnya None) : Jumlah channel pada output. Jika tidak ditentukan, defaultnya adalah in_channels.

num_layers (int, defaultnya 19) : Jumlah lapisan blok DiT dual stream yang akan digunakan.

num_single_layers (int, defaultnya 38) : Jumlah lapisan blok DiT single stream yang akan digunakan.

attention_head_dim (int, defaultnya 128) : Jumlah dimensi yang digunakan untuk setiap kepala perhatian.

num_attention_heads (int, defaultnya 24) : Jumlah kepala perhatian (attention heads) yang akan digunakan.

joint_attention_dim (int, defaultnya 4096) : Jumlah dimensi yang digunakan untuk perhatian gabungan (dimensi embedding/channel dari encoder_hidden_states).

axes_dims_rope (tuple[int], defaultnya (16, 56, 56)) : Dimensi yang digunakan untuk embedding posisi rotasi.

Model Transformer yang diperkenalkan dalam Flux, dimodifikasi untuk Chroma.

Referensi: https://huggingface.co/lodestones/Chroma1-HD

forward[[diffusers.ChromaTransformer2DModel.forward]]

forward(hidden_states: Tensor, encoder_hidden_states: Tensor = None, timestep: LongTensor = None, img_ids: Tensor = None, txt_ids: Tensor = None, attention_mask: Tensor = None, joint_attention_kwargs: dict[str, typing.Any] | None = None, controlnet_block_samples = None, controlnet_single_block_samples = None, return_dict: bool = True, controlnet_blocks_repeat: bool = False)

Sumber

Parameter:

hidden_states (torch.Tensor dengan bentuk (batch_size, image_sequence_length, in_channels)) : hidden_states masukan.

encoder_hidden_states (torch.Tensor dengan bentuk (batch_size, text_sequence_length, joint_attention_dim)) : Embedding kondisional (embedding yang dihitung dari kondisi input seperti prompt) yang akan digunakan.

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.

attention_mask (torch.Tensor, opsional) : Mask yang diterapkan pada encoder_hidden_states selama perhatian.

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.

controlnet_blocks_repeat (bool, opsional, defaultnya False) : Apakah sampel blok controlnet diulang di seluruh blok transformer.

joint_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 FluxTransformer2DModel.