Buckets:
| # ChromaTransformer2DModel | |
| Model Transformer flux yang dimodifikasi dari [Chroma](https://huggingface.co/lodestones/Chroma1-HD) | |
| ## ChromaTransformer2DModel[[diffusers.ChromaTransformer2DModel]] | |
| #### diffusers.ChromaTransformer2DModel[[diffusers.ChromaTransformer2DModel]] | |
| ```python | |
| 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](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_chroma.py#L359) | |
| **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]] | |
| ```python | |
| 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](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_chroma.py#L465) | |
| **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](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py). | |
| 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](/docs/diffusers/main/id/api/models/flux_transformer#diffusers.FluxTransformer2DModel). | |
Xet Storage Details
- Size:
- 4.57 kB
- Xet hash:
- 3ce1a1faa63c034f0302321a86c10d5569bde97a4ede24b7348fa23df1610889
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.