diffusers/main/id/api/models/pixart_transformer2d.md

PixArtTransformer2DModel

Model Transformer untuk data seperti gambar dari PixArt-Alpha dan PixArt-Sigma.

PixArtTransformer2DModel[[diffusers.PixArtTransformer2DModel]]

diffusers.PixArtTransformer2DModel[[diffusers.PixArtTransformer2DModel]]

diffusers.PixArtTransformer2DModel(num_attention_heads: int = 16, attention_head_dim: int = 72, in_channels: int = 4, out_channels: int | None = 8, num_layers: int = 28, dropout: float = 0.0, norm_num_groups: int = 32, cross_attention_dim: int | None = 1152, attention_bias: bool = True, sample_size: int = 128, patch_size: int = 2, activation_fn: str = 'gelu-approximate', num_embeds_ada_norm: int | None = 1000, upcast_attention: bool = False, norm_type: str = 'ada_norm_single', norm_elementwise_affine: bool = False, norm_eps: float = 1e-06, interpolation_scale: int | None = None, use_additional_conditions: bool | None = None, caption_channels: int | None = None, attention_type: str | None = 'default')

Sumber

Parameter:

num_attention_heads (int, opsional, default 16) : Jumlah head yang digunakan untuk multi-head attention.

attention_head_dim (int, opsional, default 72) : Jumlah channel di setiap head.

in_channels (int, defaultnya 4) : Jumlah channel pada input.

out_channels (int, opsional) : Jumlah channel pada output. Tentukan parameter ini jika jumlah channel output berbeda dari input.

num_layers (int, opsional, default 28) : Jumlah lapisan blok Transformer yang akan digunakan.

dropout (float, opsional, default 0.0) : Probabilitas dropout yang digunakan di dalam blok Transformer.

norm_num_groups (int, opsional, default 32) : Jumlah grup untuk normalisasi grup di dalam blok Transformer.

cross_attention_dim (int, opsional) : Dimensi untuk lapisan cross-attention, biasanya sesuai dengan dimensi tersembunyi encoder.

attention_bias (bool, opsional, default True) : Mengonfigurasi apakah perhatian pada blok Transformer harus mengandung parameter bias.

sample_size (int, defaultnya 128) : Lebar dari gambar laten. Parameter ini tetap selama pelatihan.

patch_size (int, defaultnya 2) : Ukuran patch yang diproses oleh model, relevan untuk arsitektur yang bekerja pada data non-berurutan.

activation_fn (str, opsional, default "gelu-approximate") : Fungsi aktivasi yang digunakan dalam jaringan feed-forward di dalam blok Transformer.

num_embeds_ada_norm (int, opsional, default 1000) : Jumlah embedding untuk AdaLayerNorm, tetap selama pelatihan dan memengaruhi jumlah langkah denoising maksimum selama inferensi.

upcast_attention (bool, opsional, default False) : Jika true, menaikkan dimensi mekanisme perhatian untuk potensi peningkatan kinerja.

norm_type (str, opsional, default "ada_norm_zero") : Menentukan jenis normalisasi yang digunakan, dapat berupa 'ada_norm_zero'.

norm_elementwise_affine (bool, opsional, default False) : Jika true, mengaktifkan parameter afine per elemen di lapisan normalisasi.

norm_eps (float, opsional, default 1e-6) : Konstanta kecil yang ditambahkan ke penyebut pada lapisan normalisasi untuk mencegah pembagian dengan nol.

interpolation_scale (int, opsional) : Faktor skala yang digunakan saat menginterpolasi embedding posisi.

use_additional_conditions (bool, opsional) : Jika kita menggunakan kondisi tambahan sebagai input.

attention_type (str, opsional, default "default") : Jenis mekanisme perhatian yang akan digunakan.

caption_channels (int, opsional, default None) : Jumlah channel yang digunakan untuk memproyeksikan embedding caption.

use_linear_projection (bool, opsional, default False) : Argumen yang tidak lagi didukung. Akan dihapus pada versi mendatang.

num_vector_embeds (bool, opsional, default False) : Argumen yang tidak lagi didukung. Akan dihapus pada versi mendatang.

Model Transformer 2D yang diperkenalkan dalam keluarga model PixArt (https://huggingface.co/papers/2310.00426, https://huggingface.co/papers/2403.04692).

forward[[diffusers.PixArtTransformer2DModel.forward]]

forward(hidden_states: Tensor, encoder_hidden_states: typing.Optional[torch.Tensor] = None, timestep: typing.Optional[torch.LongTensor] = None, added_cond_kwargs: dict[str, torch.Tensor] = None, cross_attention_kwargs: dict[str, typing.Any] = None, attention_mask: typing.Optional[torch.Tensor] = None, encoder_attention_mask: typing.Optional[torch.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), opsional) : Embedding kondisional untuk lapisan cross attention. Jika tidak diberikan, cross-attention secara default menggunakan self-attention.

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

added_cond_kwargs : (dict[str, Any], opsional): Kondisi tambahan yang akan digunakan sebagai input.

cross_attention_kwargs ( dict[str, Any], opsional) : Sebuah kamus kwargs yang jika ditentukan akan diteruskan ke AttentionProcessor seperti yang didefinisikan di bawah self.processor dalam diffusers.models.attention_processor.

attention_mask ( torch.Tensor, opsional) : Mask perhatian dengan bentuk (batch, key_tokens) diterapkan pada encoder_hidden_states. Jika 1, mask dipertahankan, sedangkan jika 0, mask dibuang. Mask akan dikonversi menjadi bias, yang menambahkan nilai negatif besar ke skor perhatian yang sesuai dengan token "buang".

encoder_attention_mask ( torch.Tensor, opsional) : Mask cross-attention yang diterapkan pada encoder_hidden_states. Dua format didukung: * Mask (batch, sequence_length) True = simpan, False = buang. * Bias (batch, 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.

return_dict (bool, opsional, defaultnya True) : Apakah akan mengembalikan 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 PixArtTransformer2DModel.

fuse_qkv_projections[[diffusers.PixArtTransformer2DModel.fuse_qkv_projections]]

fuse_qkv_projections()

Sumber

Mengaktifkan proyeksi QKV yang digabungkan. Untuk modul self-attention, semua matriks proyeksi (yaitu, query, key, value) digabungkan. Untuk modul cross-attention, matriks proyeksi key dan value digabungkan.

> API ini 🧪 eksperimental.

set_default_attn_processor[[diffusers.PixArtTransformer2DModel.set_default_attn_processor]]

set_default_attn_processor()

Sumber

Menonaktifkan prosesor perhatian kustom dan mengatur implementasi perhatian default.

Aman untuk langsung menggunakan AttnProcessor() karena PixArt tidak memiliki prosesor perhatian eksotis apa pun di model default.

unfuse_qkv_projections[[diffusers.PixArtTransformer2DModel.unfuse_qkv_projections]]

unfuse_qkv_projections()

Sumber

Menonaktifkan proyeksi QKV yang digabungkan jika diaktifkan.

> API ini 🧪 eksperimental.