diffusers/main/ko/api/models/cogview4_transformer2d.md

CogView4Transformer2DModel

CogView4의 2D 데이터를 위한 Diffusion Transformer 모델

다음 코드 스니펫으로 모델을 로드할 수 있습니다.

from diffusers import CogView4Transformer2DModel

transformer = CogView4Transformer2DModel.from_pretrained("THUDM/CogView4-6B", subfolder="transformer", dtype=torch.bfloat16).to("cuda")  # or "mps", "xpu", "cpu"

CogView4Transformer2DModel[[diffusers.CogView4Transformer2DModel]]

diffusers.CogView4Transformer2DModel[[diffusers.CogView4Transformer2DModel]]

diffusers.CogView4Transformer2DModel(patch_size: int = 2, in_channels: int = 16, out_channels: int = 16, num_layers: int = 30, attention_head_dim: int = 40, num_attention_heads: int = 64, text_embed_dim: int = 4096, time_embed_dim: int = 512, condition_dim: int = 256, pos_embed_max_size: int = 128, sample_size: int = 128, rope_axes_dim: tuple = (256, 256))

소스

매개변수:

patch_size (int, 기본값 2) : 패치 임베딩 레이어에서 사용할 패치의 크기입니다.

in_channels (int, 기본값 16) : 입력의 채널 수.

num_layers (int, 기본값 30) : 사용할 Transformer 블록의 레이어 수입니다.

attention_head_dim (int, 기본값 40) : 각 헤드(head)의 채널 수.

num_attention_heads (int, 기본값 64) : multi-head attention에 사용할 헤드 수입니다.

out_channels (int, 기본값 16) : 출력의 채널 수.

text_embed_dim (int, 기본값 4096) : 텍스트 인코더에서 생성된 텍스트 임베딩의 입력 차원입니다.

time_embed_dim (int, 기본값 512) : timestep 임베딩의 출력 차원.

condition_dim (int, 기본값 256) : 입력 SDXL 스타일 해상도 조건(original_size, target_size, crop_coords)의 임베딩 차원입니다.

pos_embed_max_size (int, 기본값 128) : 위치 임베딩의 최대 해상도입니다. 여기서 H x W 모양의 슬라이스를 잘라 입력 패치된 잠재 변수(latents)에 더합니다. H와 W는 각각 잠재 변수의 높이와 너비를 나타냅니다. 값이 128인 경우, 이미지 생성에서 지원하는 최대 높이와 너비는 128 * vae_scale_factor * patch_size => 128 * 8 * 2 => 2048입니다.

sample_size (int, 기본값 128) : 입력 latents의 기본 해상도입니다. 생성 시 height/width가 제공되지 않으면, 이 값이 sample_size * vae_scale_factor => 128 * 8 => 1024로 해상도를 결정하는 데 사용됩니다.

forward[[diffusers.CogView4Transformer2DModel.forward]]

forward(hidden_states: Tensor, encoder_hidden_states: Tensor, timestep: LongTensor, original_size: Tensor, target_size: Tensor, crop_coords: Tensor, attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True, attention_mask: typing.Optional[torch.Tensor] = None, image_rotary_emb: tuple[torch.Tensor, torch.Tensor] | list[tuple[torch.Tensor, torch.Tensor]] | None = None)

소스

매개변수:

hidden_states (torch.Tensor, shape (batch_size, in_channels, height, width)) : 입력 hidden_states.

encoder_hidden_states (torch.Tensor, shape (batch_size, sequence_len, embed_dims)) : 사용할 조건 임베딩(프롬프트와 같은 입력 조건에서 계산된 임베딩).

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

original_size (torch.Tensor) : 원본 이미지 크기 조건.

target_size (torch.Tensor) : 대상 이미지 크기 조건.

crop_coords (torch.Tensor) : 크롭 좌표 조건화.

attention_kwargs (dict, 선택 사항) : 지정된 경우 diffusers.models.attention_processor의 self.processor 아래에서 정의된 AttentionProcessor로 전달되는 kwargs 사전입니다.

return_dict (bool, 선택 사항, 기본값 True) : 일반 튜플 대신 ~models.transformer_2d.Transformer2DModelOutput을 반환할지 여부.

attention_mask (torch.Tensor, 선택 사항) : 어텐션 점수에 적용되는 마스크.

image_rotary_emb (tuple of torch.Tensor, 선택 사항) : 사전 계산된 회전 위치 임베딩.

반환값:

return_dict가 True이면 ~models.transformer_2d.Transformer2DModelOutput이 반환되고, 그렇지 않으면 첫 번째 요소가 샘플 텐서인 tuple이 반환됩니다.

CogView4Transformer2DModel의 forward 메서드입니다.

Transformer2DModelOutput[[diffusers.models.modeling_outputs.Transformer2DModelOutput]]

diffusers.models.modeling_outputs.Transformer2DModelOutput[[diffusers.models.modeling_outputs.Transformer2DModelOutput]]

diffusers.models.modeling_outputs.Transformer2DModelOutput(sample: torch.Tensor)

소스

매개변수:

sample (torch.Tensor, shape (batch_size, num_channels, height, width) 또는 Transformer2DModel이 discrete인 경우 (batch size, num_vector_embeds - 1, num_latent_pixels)) : encoder_hidden_states 입력에 조건부인 hidden states 출력입니다. discrete인 경우, 노이즈가 제거된 latent 픽셀에 대한 확률 분포를 반환합니다.

Transformer2DModel의 출력입니다.