diffusers/main/id/api/models/latte_transformer3d.md

LatteTransformer3DModel

Model Diffusion Transformer untuk data 3D dari Latte.

LatteTransformer3DModel[[diffusers.LatteTransformer3DModel]]

diffusers.LatteTransformer3DModel[[diffusers.LatteTransformer3DModel]]

diffusers.LatteTransformer3DModel(num_attention_heads: int = 16, attention_head_dim: int = 88, in_channels: int | None = None, out_channels: int | None = None, num_layers: int = 1, dropout: float = 0.0, cross_attention_dim: int | None = None, attention_bias: bool = False, sample_size: int = 64, patch_size: int | None = None, activation_fn: str = 'geglu', num_embeds_ada_norm: int | None = None, norm_type: str = 'layer_norm', norm_elementwise_affine: bool = True, norm_eps: float = 1e-05, caption_channels: int = None, video_length: int = 16)

Sumber

forward[[diffusers.LatteTransformer3DModel.forward]]

forward(hidden_states: Tensor, timestep: typing.Optional[torch.LongTensor] = None, encoder_hidden_states: typing.Optional[torch.Tensor] = None, encoder_attention_mask: typing.Optional[torch.Tensor] = None, enable_temporal_attentions: bool = True, return_dict: bool = True)

Sumber

Parameter:

hidden_states (torch.Tensor dengan bentuk (batch size, channel, num_frame, height, width)) : Input hidden_states.

timestep ( torch.LongTensor, opsional) : Digunakan untuk menunjukkan langkah denoising. Timestep opsional yang diterapkan sebagai embedding di AdaLayerNorm.

encoder_hidden_states ( torch.FloatTensor dengan bentuk (batch size, sequence len, embed dims), opsional) : Embedding kondisional untuk lapisan cross attention. Jika tidak diberikan, cross-attention secara default menggunakan self-attention.

encoder_attention_mask ( torch.Tensor, opsional) : Mask cross-attention yang diterapkan pada encoder_hidden_states. Dua format didukung: * Mask (batcheight, sequence_length) True = simpan, False = buang. * Bias (batcheight, 1, sequence_length) 0 = simpan, -10000 = buang. Jika ndim == 2: akan diinterpretasikan sebagai mask, kemudian dikonversi menjadi bias yang konsisten dengan format di atas. Bias ini akan ditambahkan ke skor cross-attention.

enable_temporal_attentions : (bool, opsional, defaultnya True): Apakah akan mengaktifkan temporal attentions.

return_dict (bool, opsional, defaultnya True) : Apakah akan mengembalikan ~models.unet_2d_condition.UNet2DConditionOutput 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 LatteTransformer3DModel.