Buckets:

hf-doc-build
/

doc

Files

xet

hf-doc-build/doc / diffusers /main /ko /api /models /cogview4_transformer2d.md

mishig

about 21 hours ago

preview code

download

raw

5.82 kB

# CogView4Transformer2DModel

[CogView4]()의 2D 데이터를 위한 Diffusion Transformer 모델

다음 코드 스니펫으로 모델을 로드할 수 있습니다.

```python
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]]

```python
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](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_cogview4.py#L615)

**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. `H`와 `W`는 각각 잠재 변수의 높이와 너비를 나타냅니다. 값이 128인 경우, 이미지 생성에서 지원하는 최대 높이와 너비는 `128 * vae_scale_factor * patch_size => 128 * 8 * 2 => 2048`입니다.

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

#### forward[[diffusers.CogView4Transformer2DModel.forward]]

```python
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](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_cogview4.py#L702)

**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_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.

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_dict`가 True이면 `~models.transformer_2d.Transformer2DModelOutput`이 반환되고, 그렇지 않으면 첫 번째 요소가 샘플 텐서인 `tuple`이 반환됩니다.
[CogView4Transformer2DModel](/docs/diffusers/main/ko/api/models/cogview4_transformer2d#diffusers.CogView4Transformer2DModel)의 forward 메서드입니다.
## Transformer2DModelOutput[[diffusers.models.modeling_outputs.Transformer2DModelOutput]]

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

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

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/modeling_outputs.py#L21)

**매개변수:**

sample (`torch.Tensor`, shape `(batch_size, num_channels, height, width)` 또는 [Transformer2DModel](/docs/diffusers/main/ko/api/models/transformer2d#diffusers.Transformer2DModel)이 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.

[Transformer2DModel](/docs/diffusers/main/ko/api/models/transformer2d#diffusers.Transformer2DModel)의 출력입니다.

Xet Storage Details

Size:: 5.82 kB
Xet hash:: 349aa0aa60ad68a7c68689458eb2b87c55ae1614d7a8595371228e37334a6cf7

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

	# CogView4Transformer2DModel

	[CogView4]()의 2D 데이터를 위한 Diffusion Transformer 모델

	다음 코드 스니펫으로 모델을 로드할 수 있습니다.

	```python
	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]]

	```python
	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](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_cogview4.py#L615)

	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. `H`와 `W`는 각각 잠재 변수의 높이와 너비를 나타냅니다. 값이 128인 경우, 이미지 생성에서 지원하는 최대 높이와 너비는 `128 * vae_scale_factor * patch_size => 128 * 8 * 2 => 2048`입니다.

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

	#### forward[[diffusers.CogView4Transformer2DModel.forward]]

	```python
	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](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_cogview4.py#L702)

	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_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.

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

	[CogView4Transformer2DModel](/docs/diffusers/main/ko/api/models/cogview4_transformer2d#diffusers.CogView4Transformer2DModel)의 forward 메서드입니다.

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

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

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

	[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/modeling_outputs.py#L21)

	매개변수:

	sample (`torch.Tensor`, shape `(batch_size, num_channels, height, width)` 또는 [Transformer2DModel](/docs/diffusers/main/ko/api/models/transformer2d#diffusers.Transformer2DModel)이 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.

	[Transformer2DModel](/docs/diffusers/main/ko/api/models/transformer2d#diffusers.Transformer2DModel)의 출력입니다.