diffusers/main/ja/api/schedulers/consistency_decoder.md

ConsistencyDecoderScheduler

このスケジューラーはConsistencyDecoderPipelineの一部であり、DALL-E 3で導入されました。

元のコードベースはopenai/consistency_modelsで確認できます。

ConsistencyDecoderScheduler[[diffusers.schedulers.ConsistencyDecoderScheduler]]

diffusers.schedulers.ConsistencyDecoderScheduler[[diffusers.schedulers.ConsistencyDecoderScheduler]]

diffusers.schedulers.ConsistencyDecoderScheduler(num_train_timesteps: int = 1024, sigma_data: float = 0.5)

ソース

パラメータ:

num_train_timesteps (int、任意、デフォルトは1024) : モデルを学習するための拡散ステップ数。

sigma_data (float、任意、デフォルトは 0.5) : データ分布の標準偏差です。スキップおよび出力のスケーリング係数を計算するために使用されます。

Stable Diffusionのパイプラインで使用されるconsistency decoder用のスケジューラーです。

このスケジューラーは、潜在表現を画像にデコードするために、consistency models を用いた2ステップのデノイジングプロセスを実装しています。

このモデルは SchedulerMixin と ConfigMixin を継承しています。読み込みや保存など、ライブラリがすべてのスケジューラに対して実装している汎用的なメソッドについては、スーパークラスのドキュメントを参照してください。

scale_model_input[[diffusers.schedulers.ConsistencyDecoderScheduler.scale_model_input]]

scale_model_input(sample: Tensor, timestep: int | None = None)

ソース

パラメータ:

sample (torch.Tensor) : 入力サンプル。

timestep (int, 任意) : 拡散チェーンにおける現在のタイムステップ。

戻り値: torch.Tensor

スケーリングされた入力サンプル。

現在のタイムステップに応じて、デノイジングモデルの入力をスケーリングする必要があるスケジューラとの相互運用性を保証します。

ステップ[[diffusers.schedulers.ConsistencyDecoderScheduler.step]]

step(model_output: Tensor, timestep: typing.Union[float, torch.Tensor], sample: Tensor, generator: typing.Optional[torch.Generator] = None, return_dict: bool = True)

ソース

パラメータ:

model_output (torch.Tensor) : 学習済み拡散モデルからの直接の出力です。

timestep (float または torch.Tensor) : 拡散チェーンにおける現在のタイムステップ。

sample (torch.Tensor) : 拡散プロセスによって生成されたサンプルの現在のインスタンス。

generator (torch.Generator, 任意) : 再現性のために使用する乱数生成器。

return_dict (bool、任意、デフォルトはTrue) : ConsistencyDecoderSchedulerOutputを返すかtupleを返すかを指定します。

戻り値: ConsistencyDecoderSchedulerOutput または tuple

return_dict が True の場合、ConsistencyDecoderSchedulerOutput 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タプルが返されます。

前回のタイムステップからのサンプルを、SDEを逆方向に適用することで予測します。この関数は、学習済みモデルの出力（最もよく使われるのは予測ノイズ）から拡散過程を伝播させます。