diffusers/main/id/api/models/lumina2_transformer2d.md

Lumina2Transformer2DModel

Model Diffusion Transformer untuk data video 3D diperkenalkan dalam Lumina Image 2.0 oleh Alpha-VLLM.

Model dapat dimuat dengan potongan kode berikut.

from diffusers import Lumina2Transformer2DModel

transformer = Lumina2Transformer2DModel.from_pretrained("Alpha-VLLM/Lumina-Image-2.0", subfolder="transformer", dtype=torch.bfloat16)

Lumina2Transformer2DModel[[diffusers.Lumina2Transformer2DModel]]

diffusers.Lumina2Transformer2DModel[[diffusers.Lumina2Transformer2DModel]]

diffusers.Lumina2Transformer2DModel(sample_size: int = 128, patch_size: int = 2, in_channels: int = 16, out_channels: int | None = None, hidden_size: int = 2304, num_layers: int = 26, num_refiner_layers: int = 2, num_attention_heads: int = 24, num_kv_heads: int = 8, multiple_of: int = 256, ffn_dim_multiplier: float | None = None, norm_eps: float = 1e-05, scaling_factor: float = 1.0, axes_dim_rope: tuple[int, int, int] = (32, 32, 32), axes_lens: tuple[int, int, int] = (300, 512, 512), cap_feat_dim: int = 1024)

Sumber

Parameter:

sample_size (int) : Lebar dari gambar laten. Ini tetap selama pelatihan karena digunakan untuk mempelajari sejumlah position embeddings.

patch_size (int, opsional, (int, opsional, defaultnya 2) : Ukuran setiap patch dalam gambar. Parameter ini mendefinisikan resolusi patch yang dimasukkan ke dalam model.

in_channels (int, opsional, defaultnya 4) : Jumlah saluran input untuk model. Biasanya, ini sesuai dengan jumlah saluran pada gambar input.

hidden_size (int, opsional, default 4096) : Dimensi dari lapisan tersembunyi dalam model. Parameter ini menentukan lebar representasi tersembunyi model.

num_layers (int, opsional, default 32) : Jumlah lapisan dalam model. Ini mendefinisikan kedalaman jaringan saraf.

num_attention_heads (int, opsional, defaultnya 32) : Jumlah kepala perhatian (attention heads) di setiap lapisan perhatian. Parameter ini menentukan berapa banyak mekanisme perhatian terpisah yang digunakan.

num_kv_heads (int, opsional, defaultnya 8) : Jumlah kepala kunci-nilai dalam mekanisme perhatian, jika berbeda dari jumlah kepala perhatian. Jika None, defaultnya adalah num_attention_heads.

multiple_of (int, opsional, default 256) : Faktor yang harus menjadi kelipatan dari ukuran tersembunyi (hidden size). Hal ini dapat membantu mengoptimalkan konfigurasi perangkat keras tertentu.

ffn_dim_multiplier (float, opsional) : Pengali untuk dimensi jaringan feed-forward. Jika None, ia menggunakan nilai default berdasarkan konfigurasi model.

norm_eps (float, opsional, default 1e-5) : Nilai kecil yang ditambahkan ke penyebut untuk stabilitas numerik pada lapisan normalisasi.

scaling_factor (float, opsional, default 1.0) : Faktor penskalaan yang diterapkan pada parameter atau lapisan tertentu dalam model. Hal ini dapat digunakan untuk menyesuaikan skala keseluruhan operasi model.

Lumina2NextDiT: Model difusi dengan tulang punggung Transformer.

forward[[diffusers.Lumina2Transformer2DModel.forward]]

forward(hidden_states: Tensor, timestep: Tensor, encoder_hidden_states: Tensor, encoder_attention_mask: Tensor, attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True)

Sumber

Parameter:

hidden_states (torch.Tensor dengan bentuk (batch_size, in_channels, height, width)) : Input hidden_states.

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

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

encoder_attention_mask (torch.Tensor) : Mask yang diterapkan pada encoder_hidden_states selama perhatian.

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 Lumina2Transformer2DModel.

Transformer2DModelOutput[[diffusers.models.modeling_outputs.Transformer2DModelOutput]]

diffusers.models.modeling_outputs.Transformer2DModelOutput[[diffusers.models.modeling_outputs.Transformer2DModelOutput]]

diffusers.models.modeling_outputs.Transformer2DModelOutput(sample: torch.Tensor)

Sumber

Parameter:

sample (torch.Tensor dengan bentuk (batch_size, num_channels, height, width) atau (batch size, num_vector_embeds - 1, num_latent_pixels) jika Transformer2DModel bersifat diskrit) : Output hidden states yang dikondisikan pada input encoder_hidden_states. Jika diskrit, mengembalikan distribusi probabilitas untuk piksel laten yang tidak berisik.

Output dari Transformer2DModel.