diffusers/main/id/api/models/longcat_image_transformer2d.md

LongCatImageTransformer2DModel

Model dapat dimuat dengan potongan kode berikut.

from diffusers import LongCatImageTransformer2DModel

transformer = LongCatImageTransformer2DModel.from_pretrained("meituan-longcat/LongCat-Image ", subfolder="transformer", dtype=torch.bfloat16)

LongCatImageTransformer2DModel[[diffusers.LongCatImageTransformer2DModel]]

diffusers.LongCatImageTransformer2DModel[[diffusers.LongCatImageTransformer2DModel]]

diffusers.LongCatImageTransformer2DModel(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 = 3584, pooled_projection_dim: int = 3584, axes_dims_rope: list[int] = [16, 56, 56])

Sumber

Model Transformer yang diperkenalkan dalam Longcat-Image.

forward[[diffusers.LongCatImageTransformer2DModel.forward]]

forward(hidden_states: Tensor, encoder_hidden_states: Tensor = None, timestep: LongTensor = None, img_ids: Tensor = None, txt_ids: Tensor = None, guidance: Tensor = None, return_dict: bool = True)

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.

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.

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.