Buckets:

hf-doc-build
/

doc

Files

xet

hf-doc-build/doc / diffusers /main /ko /api /models /chroma_transformer.md

mishig

about 21 hours ago

preview code

download

raw

4.64 kB

# ChromaTransformer2DModel

[Chroma](https://huggingface.co/lodestones/Chroma1-HD)의 수정된 flux Transformer 모델

## ChromaTransformer2DModel[[diffusers.ChromaTransformer2DModel]]

#### diffusers.ChromaTransformer2DModel[[diffusers.ChromaTransformer2DModel]]

```python
diffusers.ChromaTransformer2DModel(patch_size: int = 1, in_channels: int = 64, out_channels: int | None = None, num_layers: int = 19, num_single_layers: int = 38, attention_head_dim: int = 128, num_attention_heads: int = 24, joint_attention_dim: int = 4096, axes_dims_rope: tuple = (16, 56, 56), approximator_num_channels: int = 64, approximator_hidden_dim: int = 5120, approximator_layers: int = 5)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_chroma.py#L359)

**매개변수:**

patch_size (`int`, 기본값 `1`) : 입력 데이터를 작은 패치로 변환하기 위한 패치 크기.
in_channels (`int`, 기본값 `64`) : 입력의 채널 수.

out_channels (`int`, *선택 사항*, 기본값 `None`) : 출력의 채널 수입니다. 지정하지 않으면 기본값은 `in_channels`입니다.

num_layers (`int`, 기본값 `19`) : 사용할 dual stream DiT 블록의 레이어 수입니다.
num_single_layers (`int`, 기본값 `38`) : 사용할 단일 스트림 DiT 블록의 레이어 수입니다.
attention_head_dim (`int`, 기본값 `128`) : 각 attention head에 사용할 차원의 수입니다.
num_attention_heads (`int`, 기본값 `24`) : 사용할 attention head의 수입니다.
joint_attention_dim (`int`, 기본값 `4096`) : 결합된 어텐션에 사용할 차원의 수(`encoder_hidden_states`의 임베딩/채널 차원).
axes_dims_rope (`tuple[int]`, 기본값 `(16, 56, 56)`) : 회전 위치 임베딩에 사용할 차원입니다.
Flux에서 소개된 Transformer 모델을 Chroma에 맞게 수정한 것입니다.
참고: https://huggingface.co/lodestones/Chroma1-HD
#### forward[[diffusers.ChromaTransformer2DModel.forward]]
```python
forward(hidden_states: Tensor, encoder_hidden_states: Tensor = None, timestep: LongTensor = None, img_ids: Tensor = None, txt_ids: Tensor = None, attention_mask: Tensor = None, joint_attention_kwargs: dict[str, typing.Any] | None = None, controlnet_block_samples = None, controlnet_single_block_samples = None, return_dict: bool = True, controlnet_blocks_repeat: bool = False)
```
[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_chroma.py#L465)
**매개변수:**
hidden_states (`torch.Tensor`, shape `(batch_size, image_sequence_length, in_channels)`) : 입력 `hidden_states`.

encoder_hidden_states (`torch.Tensor`, shape `(batch_size, text_sequence_length, joint_attention_dim)`) : 사용할 조건 임베딩(프롬프트와 같은 입력 조건에서 계산된 임베딩).

timestep ( `torch.LongTensor`) : 노이즈 제거 단계를 나타내는 데 사용됩니다.

img_ids (`torch.Tensor`) : 회전 위치 임베딩을 계산하는 데 사용되는 이미지 위치 ID입니다.
txt_ids (`torch.Tensor`) : 회전 위치 임베딩을 계산하는 데 사용되는 텍스트 위치 ID입니다.

attention_mask (`torch.Tensor`, *선택 사항*) : attention 과정에서 `encoder_hidden_states`에 적용되는 마스크입니다.
controlnet_block_samples (`list` of `torch.Tensor`, *선택 사항*) : 지정된 경우, Transformer 블록의 잔차(residuals)에 추가되는 텐서 목록입니다.
controlnet_single_block_samples (`list` of `torch.Tensor`, *선택 사항*) : 지정된 경우 단일 transformer 블록의 잔차(residuals)에 추가되는 텐서 목록입니다.

controlnet_blocks_repeat (`bool`, *선택 사항*, 기본값 `False`) : controlnet 블록 샘플을 모든 transformer 블록에 걸쳐 반복할지 여부입니다.

joint_attention_kwargs (`dict`, *선택 사항*) : 지정된 경우 [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py)의 `self.processor` 아래에서 정의된 `AttentionProcessor`로 전달되는 kwargs 사전입니다.

return_dict (`bool`, *선택 사항*, 기본값 `True`) : 일반 튜플 대신 `~models.transformer_2d.Transformer2DModelOutput`을 반환할지 여부.

**반환값:**

`return_dict`가 True이면 `~models.transformer_2d.Transformer2DModelOutput`이 반환되고, 그렇지 않으면 첫 번째 요소가 샘플 텐서인 `tuple`이 반환됩니다.

[FluxTransformer2DModel](/docs/diffusers/main/ko/api/models/flux_transformer#diffusers.FluxTransformer2DModel)의 forward 메서드입니다.

Xet Storage Details

Size:: 4.64 kB
Xet hash:: 110e5aafd3f556d9b53dc668175c09625230796e2a0ddeae6374406a1be79fd4

Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.

	# ChromaTransformer2DModel

	[Chroma](https://huggingface.co/lodestones/Chroma1-HD)의 수정된 flux Transformer 모델

	## ChromaTransformer2DModel[[diffusers.ChromaTransformer2DModel]]

	#### diffusers.ChromaTransformer2DModel[[diffusers.ChromaTransformer2DModel]]

	```python
	diffusers.ChromaTransformer2DModel(patch_size: int = 1, in_channels: int = 64, out_channels: int \| None = None, num_layers: int = 19, num_single_layers: int = 38, attention_head_dim: int = 128, num_attention_heads: int = 24, joint_attention_dim: int = 4096, axes_dims_rope: tuple = (16, 56, 56), approximator_num_channels: int = 64, approximator_hidden_dim: int = 5120, approximator_layers: int = 5)
	```

	[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_chroma.py#L359)

	매개변수:

	patch_size (`int`, 기본값 `1`) : 입력 데이터를 작은 패치로 변환하기 위한 패치 크기.

	in_channels (`int`, 기본값 `64`) : 입력의 채널 수.

	out_channels (`int`, 선택 사항, 기본값 `None`) : 출력의 채널 수입니다. 지정하지 않으면 기본값은 `in_channels`입니다.

	num_layers (`int`, 기본값 `19`) : 사용할 dual stream DiT 블록의 레이어 수입니다.

	num_single_layers (`int`, 기본값 `38`) : 사용할 단일 스트림 DiT 블록의 레이어 수입니다.

	attention_head_dim (`int`, 기본값 `128`) : 각 attention head에 사용할 차원의 수입니다.

	num_attention_heads (`int`, 기본값 `24`) : 사용할 attention head의 수입니다.

	joint_attention_dim (`int`, 기본값 `4096`) : 결합된 어텐션에 사용할 차원의 수(`encoder_hidden_states`의 임베딩/채널 차원).

	axes_dims_rope (`tuple[int]`, 기본값 `(16, 56, 56)`) : 회전 위치 임베딩에 사용할 차원입니다.

	Flux에서 소개된 Transformer 모델을 Chroma에 맞게 수정한 것입니다.

	참고: https://huggingface.co/lodestones/Chroma1-HD

	#### forward[[diffusers.ChromaTransformer2DModel.forward]]

	```python
	forward(hidden_states: Tensor, encoder_hidden_states: Tensor = None, timestep: LongTensor = None, img_ids: Tensor = None, txt_ids: Tensor = None, attention_mask: Tensor = None, joint_attention_kwargs: dict[str, typing.Any] \| None = None, controlnet_block_samples = None, controlnet_single_block_samples = None, return_dict: bool = True, controlnet_blocks_repeat: bool = False)
	```

	[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_chroma.py#L465)

	매개변수:

	hidden_states (`torch.Tensor`, shape `(batch_size, image_sequence_length, in_channels)`) : 입력 `hidden_states`.

	encoder_hidden_states (`torch.Tensor`, shape `(batch_size, text_sequence_length, joint_attention_dim)`) : 사용할 조건 임베딩(프롬프트와 같은 입력 조건에서 계산된 임베딩).

	timestep ( `torch.LongTensor`) : 노이즈 제거 단계를 나타내는 데 사용됩니다.

	img_ids (`torch.Tensor`) : 회전 위치 임베딩을 계산하는 데 사용되는 이미지 위치 ID입니다.

	txt_ids (`torch.Tensor`) : 회전 위치 임베딩을 계산하는 데 사용되는 텍스트 위치 ID입니다.

	attention_mask (`torch.Tensor`, 선택 사항) : attention 과정에서 `encoder_hidden_states`에 적용되는 마스크입니다.

	controlnet_block_samples (`list` of `torch.Tensor`, 선택 사항) : 지정된 경우, Transformer 블록의 잔차(residuals)에 추가되는 텐서 목록입니다.

	controlnet_single_block_samples (`list` of `torch.Tensor`, 선택 사항) : 지정된 경우 단일 transformer 블록의 잔차(residuals)에 추가되는 텐서 목록입니다.

	controlnet_blocks_repeat (`bool`, 선택 사항, 기본값 `False`) : controlnet 블록 샘플을 모든 transformer 블록에 걸쳐 반복할지 여부입니다.

	joint_attention_kwargs (`dict`, 선택 사항) : 지정된 경우 [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py)의 `self.processor` 아래에서 정의된 `AttentionProcessor`로 전달되는 kwargs 사전입니다.

	return_dict (`bool`, 선택 사항, 기본값 `True`) : 일반 튜플 대신 `~models.transformer_2d.Transformer2DModelOutput`을 반환할지 여부.

	반환값:

	`return_dict`가 True이면 `~models.transformer_2d.Transformer2DModelOutput`이 반환되고, 그렇지 않으면 첫 번째 요소가 샘플 텐서인 `tuple`이 반환됩니다.

	[FluxTransformer2DModel](/docs/diffusers/main/ko/api/models/flux_transformer#diffusers.FluxTransformer2DModel)의 forward 메서드입니다.