Buckets:
| # ConsistencyDecoderScheduler | |
| このスケジューラーは`ConsistencyDecoderPipeline`の一部であり、[DALL-E 3](https://openai.com/dall-e-3)で導入されました。 | |
| 元のコードベースは[openai/consistency_models](https://github.com/openai/consistency_models)で確認できます。 | |
| ## ConsistencyDecoderScheduler[[diffusers.schedulers.ConsistencyDecoderScheduler]] | |
| #### diffusers.schedulers.ConsistencyDecoderScheduler[[diffusers.schedulers.ConsistencyDecoderScheduler]] | |
| ```python | |
| diffusers.schedulers.ConsistencyDecoderScheduler(num_train_timesteps: int = 1024, sigma_data: float = 0.5) | |
| ``` | |
| [ソース](https://github.com/huggingface/diffusers/blob/main/src/diffusers/schedulers/scheduling_consistency_decoder.py#L80) | |
| **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](/docs/diffusers/main/ja/api/schedulers/overview#diffusers.SchedulerMixin) と [ConfigMixin](/docs/diffusers/main/ja/api/configuration#diffusers.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]] | |
| ```python | |
| scale_model_input(sample: Tensor, timestep: int | None = None) | |
| ``` | |
| [ソース](https://github.com/huggingface/diffusers/blob/main/src/diffusers/schedulers/scheduling_consistency_decoder.py#L148) | |
| **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]] | |
| ```python | |
| 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](https://github.com/huggingface/diffusers/blob/main/src/diffusers/schedulers/scheduling_consistency_decoder.py#L165) | |
| **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。 | |
Xet Storage Details
- Size:
- 4.08 kB
- Xet hash:
- 42cb7eac4a9b8c0cc2dc96db69aa03de4b3d2cf947c4213b766d49b7070e5929
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.