diffusers/main/ja/api/models/transformer_bria_fibo.md

BriaFiboTransformer2DModel

Bria による修正版 flux Transformer モデル

BriaFiboTransformer2DModel[[diffusers.BriaFiboTransformer2DModel]]

diffusers.BriaFiboTransformer2DModel[[diffusers.BriaFiboTransformer2DModel]]

diffusers.BriaFiboTransformer2DModel(patch_size: int = 1, in_channels: int = 64, num_layers: int = 19, num_single_layers: int = 38, attention_head_dim: int = 128, num_attention_heads: int = 24, joint_attention_dim: int = 4096, pooled_projection_dim: int = None, guidance_embeds: bool = False, axes_dims_rope: list[int] = [16, 56, 56], rope_theta = 10000, time_theta = 10000, text_encoder_dim: int = 2048)

ソース

パラメータ:

patch_size (int) : 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、optional、デフォルトは 16) : 入力におけるチャネル数。

num_layers (int、optional、デフォルトは 18) : 使用する MMDiT ブロックの層数。

num_single_layers (int, optional, デフォルトは 18) : 使用する単一 DiT ブロックの層数。

attention_head_dim (int、optional、デフォルトは 64) : 各ヘッドのチャネル数。

num_attention_heads (int、任意、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, 任意) : 使用するencoder_hidden_statesの次元数。

pooled_projection_dim (int) : pooled_projectionsを投影する際に使用する次元数。

guidance_embeds (bool、デフォルトは False) : ガイダンス埋め込みを使用するかどうか。

... --

forward[[diffusers.BriaFiboTransformer2DModel.forward]]

forward(hidden_states: Tensor, encoder_hidden_states: Tensor = None, text_encoder_layers: list = None, pooled_projections: Tensor = None, timestep: LongTensor = None, img_ids: Tensor = None, txt_ids: Tensor = None, guidance: Tensor = None, joint_attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True)

ソース

パラメータ:

hidden_states (torch.FloatTensor、shape (batch size, channel, height, width)) : 入力 hidden_states。

encoder_hidden_states (torch.FloatTensor、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）。

text_encoder_layers (list of torch.Tensor) : ブロックごとのテキストエンコーダーの隠れ状態。各 Transformer ブロックに対応するテンソルが 1 つ含まれます。

pooled_projections (torch.FloatTensor、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。

img_ids (torch.Tensor) : 回転位置埋め込みを計算するために使用される画像の位置 ID。

txt_ids (torch.Tensor) : 回転位置埋め込みを計算するために使用されるテキストの位置 ID。

guidance (torch.Tensor, 任意) : モデルのガイダンス蒸留版に使用されるガイダンススケール埋め込み。

joint_attention_kwargs (dict, 任意) : 指定された場合、diffusers.models.attention_processor 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。

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。