diffusers/main/id/api/models/lumina_nextdit2d.md

LuminaNextDiT2DModel

Versi berikutnya dari model Diffusion Transformer untuk data 2D dari Lumina-T2X.

LuminaNextDiT2DModel[[diffusers.LuminaNextDiT2DModel]]

diffusers.LuminaNextDiT2DModel[[diffusers.LuminaNextDiT2DModel]]

diffusers.LuminaNextDiT2DModel(sample_size: int = 128, patch_size: int | None = 2, in_channels: int | None = 4, hidden_size: int | None = 2304, num_layers: int | None = 32, num_attention_heads: int | None = 32, num_kv_heads: int | None = None, multiple_of: int | None = 256, ffn_dim_multiplier: float | None = None, norm_eps: float | None = 1e-05, learn_sigma: bool | None = True, qk_norm: bool | None = True, cross_attention_dim: int | None = 2048, scaling_factor: float | None = 1.0)

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.

learn_sigma (bool, opsional, defaultnya True) : Apakah model harus mempelajari parameter sigma, yang mungkin berkaitan dengan ketidakpastian atau varians dalam prediksi.

qk_norm (bool, opsional, defaultnya True) : Menunjukkan apakah query dan key dalam mekanisme perhatian harus dinormalisasi.

cross_attention_dim (int, opsional, defaultnya 2048) : Dimensi dari embedding teks. Parameter ini mendefinisikan ukuran representasi teks yang digunakan dalam model.

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.

LuminaNextDiT: Model difusi dengan tulang punggung Transformer.

Warisi ModelMixin dan ConfigMixin agar kompatibel dengan sampler StableDiffusionPipeline dari diffusers.

forward[[diffusers.LuminaNextDiT2DModel.forward]]

forward(hidden_states: Tensor, timestep: Tensor, encoder_hidden_states: Tensor, encoder_mask: Tensor, image_rotary_emb: Tensor, cross_attention_kwargs: dict[str, typing.Any] = None, return_dict = True)

Sumber

Parameter:

hidden_states (torch.Tensor) : Tensor input dengan bentuk (N, C, H, W).

timestep (torch.Tensor) : Tensor dari langkah-langkah difusi dengan bentuk (N,).

encoder_hidden_states (torch.Tensor) : Tensor dari fitur caption dengan bentuk (N, D).

encoder_mask (torch.Tensor) : Tensor dari caption masks dengan bentuk (N, L).

image_rotary_emb (torch.Tensor) : Embedding posisi rotasi yang telah dihitung sebelumnya.

cross_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: ~models.transformer_2d.Transformer2DModelOutput atau tuple

Jika return_dict bernilai True, sebuah ~models.transformer_2d.Transformer2DModelOutput akan dikembalikan, selain itu sebuah tuple biasa akan dikembalikan.

Forward pass dari LuminaNextDiT.