Buckets:
| # SD3 Transformer モデル | |
| [Stable Diffusion 3](https://hf.co/papers/2403.03206)で導入されたTransformerモデルです。その新しさは、MMDiT Transformerブロックにあります。 | |
| ## SD3Transformer2DModel[[diffusers.SD3Transformer2DModel]] | |
| #### diffusers.SD3Transformer2DModel[[diffusers.SD3Transformer2DModel]] | |
| ```python | |
| diffusers.SD3Transformer2DModel(sample_size: int = 128, patch_size: int = 2, in_channels: int = 16, num_layers: int = 18, attention_head_dim: int = 64, num_attention_heads: int = 18, joint_attention_dim: int = 4096, caption_projection_dim: int = 1152, pooled_projection_dim: int = 2048, out_channels: int = 16, pos_embed_max_size: int = 96, dual_attention_layers: tuple[int, ...] = (), qk_norm: str | None = None) | |
| ``` | |
| [ソース](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_sd3.py#L79) | |
| **パラメータ:** | |
| sample_size (`int`、デフォルトは`128`) : 潜在変数の幅/高さです。これは位置埋め込みの数を学習するために使用されるため、トレーニング中は固定されます。 | |
| patch_size (`int`、デフォルトは`2`) : 入力データを小さなパッチに変換するためのパッチサイズ。 | |
| in_channels (`int`、デフォルトは`16`) : 入力における潜在チャネルの数。 | |
| num_layers (`int`、デフォルトは`18`) : 使用するtransformerブロックの層数。 | |
| attention_head_dim (`int`、デフォルトは`64`) : 各ヘッドのチャネル数。 | |
| num_attention_heads (`int`、デフォルトは`18`) : マルチヘッドアテンションで使用するヘッド数。 | |
| joint_attention_dim (`int`、デフォルトは`4096`) : 結合テキスト・画像アテンションに使用する埋め込み次元数。 | |
| caption_projection_dim (`int`、デフォルトは`1152`) : キャプション埋め込みの埋め込み次元数。 | |
| pooled_projection_dim (`int`、デフォルトは`2048`) : プールされたテキスト投影の埋め込み次元です。 | |
| out_channels (`int`、デフォルトは`16`) : 出力の潜在チャネル数。 | |
| pos_embed_max_size (`int`、デフォルトは`96`) : 位置埋め込みの最大潜在高さ/幅。 | |
| dual_attention_layers (`tuple[int, ...]`、デフォルトは`()`) : 使用するdual-stream transformerブロックの数。 | |
| qk_norm (`str`、*任意*、デフォルトは`None`) : attention層のqueryとkeyに使用する正規化。`None`の場合、正規化は使用されません。 | |
| [Stable Diffusion 3](https://huggingface.co/papers/2403.03206)で導入されたTransformerモデル。 | |
| #### enable_forward_chunking[[diffusers.SD3Transformer2DModel.enable_forward_chunking]] | |
| ```python | |
| enable_forward_chunking(chunk_size: int | None = None, dim: int = 0) | |
| ``` | |
| [ソース](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_sd3.py#L175) | |
| **パラメータ:** | |
| chunk_size (`int`, *optional*) : フィードフォワード層のチャンクサイズ。指定しない場合、`dim`次元の各テンソルに対してフィードフォワード層を個別に実行します。 | |
| dim (`int`、*optional*、デフォルトは`0`) : フィードフォワード計算をチャンク分割する次元です。dim=0（バッチ）またはdim=1（シーケンス長）のいずれかを選択します。 | |
| [フィードフォワードチャンク分割](https://huggingface.co/blog/reformer#2-chunked-feed-forward-layers)を使用するようにアテンションプロセッサを設定します。 | |
| #### forward[[diffusers.SD3Transformer2DModel.forward]] | |
| ```python | |
| forward(hidden_states: Tensor, encoder_hidden_states: Tensor = None, pooled_projections: Tensor = None, timestep: LongTensor = None, block_controlnet_hidden_states: list = None, joint_attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True, skip_layers: list[int] | None = None) | |
| ``` | |
| [ソース](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_sd3.py#L248) | |
| **パラメータ:** | |
| hidden_states (`torch.Tensor`、shape `(batch size, channel, height, width)`) : 入力 `hidden_states`。 | |
| encoder_hidden_states (`torch.Tensor`、shape `(batch size, sequence_len, embed_dims)`) : 使用する条件埋め込み（プロンプトなどの入力条件から計算される埋め込み）。 | |
| pooled_projections (`torch.Tensor`、shape `(batch_size, projection_dim)`) : 入力条件の埋め込みから投影された埋め込み。 | |
| timestep (`torch.LongTensor`) : デノイジングステップを示すために使用されます。 | |
| block_controlnet_hidden_states (`list` of `torch.Tensor`) : 指定された場合、transformer ブロックの残差に追加されるテンソルのリストです。 | |
| joint_attention_kwargs (`dict`, *任意*) : 指定された場合、[diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py) の `self.processor` で定義されている `AttentionProcessor` に渡される kwargs の辞書です。 | |
| return_dict (`bool`、*任意*、デフォルトは`True`) : プレーンなタプルではなく`~models.transformer_2d.Transformer2DModelOutput`を返すかどうか。 | |
| skip_layers (`list` of `int`, *optional*) : フォワードパス中にスキップするレイヤーのインデックスのリスト。 | |
| **戻り値:** | |
| `return_dict` が True の場合、`~models.transformer_2d.Transformer2DModelOutput` が返され、それ以外の場合は、最初の要素がサンプルテンソルである `tuple` が返されます。 | |
| [SD3Transformer2DModel](/docs/diffusers/main/ja/api/models/sd3_transformer2d#diffusers.SD3Transformer2DModel)のforwardメソッド。 | |
| #### fuse_qkv_projections[[diffusers.SD3Transformer2DModel.fuse_qkv_projections]] | |
| ```python | |
| fuse_qkv_projections() | |
| ``` | |
| [ソース](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_sd3.py#L217) | |
| 融合されたQKV投影を有効にします。自己注意（self-attention）モジュールでは、すべての投影行列（つまり、クエリ、キー、バリュー）が融合されます。相互注意（cross-attention）モジュールでは、キーとバリューの投影行列が融合されます。 | |
| > [!WARNING] > このAPIは🧪実験的です。 | |
| #### unfuse_qkv_projections[[diffusers.SD3Transformer2DModel.unfuse_qkv_projections]] | |
| ```python | |
| unfuse_qkv_projections() | |
| ``` | |
| [ソース](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_sd3.py#L239) | |
| 有効化されている場合、融合された QKV 投影を無効にします。 | |
| > [!WARNING] > このAPIは🧪実験的です。 | |
Xet Storage Details
- Size:
- 6.8 kB
- Xet hash:
- c733c879302e226f5aa75570b22b08b3ddf50f66d7bb4625c74221c649b3e374
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.