Buckets:

hf-doc-build
/

doc

Files

xet

hf-doc-build/doc / diffusers /main /id /api /models /lumina2_transformer2d.md

mishig

4 days ago

preview code

download

raw

5.89 kB

# Lumina2Transformer2DModel

Model Diffusion Transformer untuk data video 3D diperkenalkan dalam [Lumina Image 2.0](https://huggingface.co/Alpha-VLLM/Lumina-Image-2.0) oleh Alpha-VLLM.

Model dapat dimuat dengan potongan kode berikut.

```python
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]]

```python
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](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_lumina2.py#L327)

**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]]

```python
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](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_lumina2.py#L460)

**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](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 [Lumina2Transformer2DModel](/docs/diffusers/main/id/api/models/lumina2_transformer2d#diffusers.Lumina2Transformer2DModel).

## Transformer2DModelOutput[[diffusers.models.modeling_outputs.Transformer2DModelOutput]]
#### diffusers.models.modeling_outputs.Transformer2DModelOutput[[diffusers.models.modeling_outputs.Transformer2DModelOutput]]
```python
diffusers.models.modeling_outputs.Transformer2DModelOutput(sample: torch.Tensor)
```
[Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/modeling_outputs.py#L21)
**Parameter:**
sample (`torch.Tensor` dengan bentuk `(batch_size, num_channels, height, width)` atau `(batch size, num_vector_embeds - 1, num_latent_pixels)` jika [Transformer2DModel](/docs/diffusers/main/id/api/models/transformer2d#diffusers.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](/docs/diffusers/main/id/api/models/transformer2d#diffusers.Transformer2DModel).

Xet Storage Details

Size:: 5.89 kB
Xet hash:: b6044837b81e1bd8ca188d6b21daad63731f9cedb1b65e1f3cc1b23d7e647567

Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.

	# Lumina2Transformer2DModel

	Model Diffusion Transformer untuk data video 3D diperkenalkan dalam [Lumina Image 2.0](https://huggingface.co/Alpha-VLLM/Lumina-Image-2.0) oleh Alpha-VLLM.

	Model dapat dimuat dengan potongan kode berikut.

	```python
	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]]

	```python
	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](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_lumina2.py#L327)

	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]]

	```python
	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](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_lumina2.py#L460)

	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](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 [Lumina2Transformer2DModel](/docs/diffusers/main/id/api/models/lumina2_transformer2d#diffusers.Lumina2Transformer2DModel).

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

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

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

	[Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/modeling_outputs.py#L21)

	Parameter:

	sample (`torch.Tensor` dengan bentuk `(batch_size, num_channels, height, width)` atau `(batch size, num_vector_embeds - 1, num_latent_pixels)` jika [Transformer2DModel](/docs/diffusers/main/id/api/models/transformer2d#diffusers.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](/docs/diffusers/main/id/api/models/transformer2d#diffusers.Transformer2DModel).