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

TransformerTemporalModel

Model Transformer untuk data seperti video.

TransformerTemporalModel[[diffusers.TransformerTemporalModel]]

diffusers.TransformerTemporalModel[[diffusers.TransformerTemporalModel]]

diffusers.TransformerTemporalModel(num_attention_heads: int = 16, attention_head_dim: int = 88, in_channels: int | None = None, out_channels: int | None = None, num_layers: int = 1, dropout: float = 0.0, norm_num_groups: int = 32, cross_attention_dim: int | None = None, attention_bias: bool = False, sample_size: int | None = None, activation_fn: str = 'geglu', norm_elementwise_affine: bool = True, double_self_attention: bool = True, positional_embeddings: str | None = None, num_positional_embeddings: int | None = None)

Sumber

Parameter:

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

attention_head_dim (int, opsional, defaultnya 88) : Jumlah channel di setiap head.

in_channels (int, opsional) : Jumlah saluran pada input dan output (dinyatakan jika input bersifat kontinu).

num_layers (int, opsional, default 1) : Jumlah lapisan blok Transformer yang akan digunakan.

dropout (float, opsional, default 0.0) : Probabilitas dropout yang akan digunakan.

cross_attention_dim (int, opsional) : Jumlah dimensi encoder_hidden_states yang akan digunakan.

attention_bias (bool, opsional) : Mengonfigurasi apakah perhatian pada TransformerBlock harus memuat parameter bias.

sample_size (int, opsional) : Lebar dari gambar laten (dinyatakan jika input bersifat diskrit). Nilai ini tetap selama pelatihan karena digunakan untuk mempelajari sejumlah position embeddings.

activation_fn (str, opsional, defaultnya "geglu") : Fungsi aktivasi yang digunakan dalam feed-forward. Lihat diffusers.models.activations.get_activation untuk fungsi aktivasi yang didukung.

norm_elementwise_affine (bool, opsional) : Mengonfigurasi apakah TransformerBlock harus menggunakan parameter affine elementwise yang dapat dipelajari untuk normalisasi.

double_self_attention (bool, opsional) : Mengonfigurasi apakah setiap TransformerBlock harus berisi dua lapisan self-attention.

positional_embeddings : (str, opsional): Jenis positional embeddings yang diterapkan ke input sekuens sebelum digunakan.

num_positional_embeddings : (int, opsional): Panjang maksimum dari urutan tempat embedding posisi diterapkan.

Model Transformer untuk data seperti video.

forward[[diffusers.TransformerTemporalModel.forward]]

forward(hidden_states: Tensor, encoder_hidden_states: typing.Optional[torch.LongTensor] = None, timestep: typing.Optional[torch.LongTensor] = None, class_labels: LongTensor = None, num_frames: int = 1, cross_attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True)

Sumber

Parameter:

hidden_states (torch.LongTensor dengan bentuk (batch size, num latent pixels) jika diskrit, torch.Tensor dengan bentuk (batch size, channel, height, width) jika kontinu) : Input hidden_states.

encoder_hidden_states ( torch.LongTensor dengan bentuk (batch size, encoder_hidden_states dim), 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.

class_labels ( torch.LongTensor dengan bentuk (batch size, num classes), opsional) : Digunakan untuk menunjukkan kondisioning label kelas. Label kelas opsional yang akan diterapkan sebagai embedding di AdaLayerZeroNorm.

num_frames (int, opsional, default 1) : Jumlah frame yang akan diproses per batch. Ini digunakan untuk membentuk ulang hidden states.

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 TransformerTemporalModelOutput alih-alih tuple biasa.

Mengembalikan: TransformerTemporalModelOutput atau tuple

Jika return_dict bernilai True, sebuah TransformerTemporalModelOutput akan dikembalikan, selain itu sebuah tuple di mana elemen pertama adalah tensor sampel.

Metode forward TransformerTemporal.

TransformerTemporalModelOutput[[diffusers.models.transformers.transformer_temporal.TransformerTemporalModelOutput]]

diffusers.models.transformers.transformer_temporal.TransformerTemporalModelOutput[[diffusers.models.transformers.transformer_temporal.TransformerTemporalModelOutput]]

diffusers.models.transformers.transformer_temporal.TransformerTemporalModelOutput(sample: Tensor)

Sumber

Parameter:

sample (torch.Tensor dengan bentuk (batch_size x num_frames, num_channels, height, width)) : Output hidden states yang dikondisikan pada input encoder_hidden_states.

Output dari TransformerTemporalModel.