Buckets:
| ## LatteTransformer3DModel | |
| [Latte](https://github.com/Vchitect/Latte)의 3D 데이터를 위한 Diffusion Transformer 모델입니다. | |
| ## LatteTransformer3DModel[[diffusers.LatteTransformer3DModel]] | |
| #### diffusers.LatteTransformer3DModel[[diffusers.LatteTransformer3DModel]] | |
| ```python | |
| diffusers.LatteTransformer3DModel(num_attention_heads: int = 16, attention_head_dim: int = 88, in_channels: int | None = None, out_channels: int | None = None, num_layers: int = 1, dropout: float = 0.0, cross_attention_dim: int | None = None, attention_bias: bool = False, sample_size: int = 64, patch_size: int | None = None, activation_fn: str = 'geglu', num_embeds_ada_norm: int | None = None, norm_type: str = 'layer_norm', norm_elementwise_affine: bool = True, norm_eps: float = 1e-05, caption_channels: int = None, video_length: int = 16) | |
| ``` | |
| [소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/latte_transformer_3d.py#L27) | |
| #### forward[[diffusers.LatteTransformer3DModel.forward]] | |
| ```python | |
| forward(hidden_states: Tensor, timestep: typing.Optional[torch.LongTensor] = None, encoder_hidden_states: typing.Optional[torch.Tensor] = None, encoder_attention_mask: typing.Optional[torch.Tensor] = None, enable_temporal_attentions: bool = True, return_dict: bool = True) | |
| ``` | |
| [소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/latte_transformer_3d.py#L166) | |
| **매개변수:** | |
| hidden_states (`torch.Tensor`, shape `(batch size, channel, num_frame, height, width)`) : 입력 `hidden_states`. | |
| timestep ( `torch.LongTensor`, *선택 사항*) : 노이즈 제거 단계를 나타내는 데 사용됩니다. `AdaLayerNorm`에서 임베딩으로 적용될 선택적 타임스텝입니다. | |
| encoder_hidden_states ( `torch.FloatTensor`, shape `(batch size, sequence len, embed dims)`, *선택 사항*) : cross attention layer에 사용되는 조건부 임베딩입니다. 제공되지 않으면 cross-attention은 기본적으로 self-attention으로 동작합니다. | |
| encoder_attention_mask ( `torch.Tensor`, *선택 사항*) : `encoder_hidden_states`에 적용되는 크로스 어텐션 마스크. 두 가지 형식을 지원합니다: * 마스크 `(batcheight, sequence_length)` True = 유지, False = 제거. * 바이어스 `(batcheight, 1, sequence_length)` 0 = 유지, -10000 = 제거. `ndim == 2`인 경우: 마스크로 해석한 후, 위의 형식과 일치하는 바이어스로 변환됩니다. 이 바이어스는 크로스 어텐션 점수에 추가됩니다. | |
| enable_temporal_attentions : (`bool`, *선택 사항*, 기본값 `True`): 시간적 주의를 활성화할지 여부. | |
| return_dict (`bool`, *선택 사항*, 기본값 `True`) : 일반 튜플 대신 `~models.unet_2d_condition.UNet2DConditionOutput`을 반환할지 여부. | |
| **반환값:** | |
| `return_dict`가 True이면 `~models.transformer_2d.Transformer2DModelOutput`이 반환되고, 그렇지 않으면 첫 번째 요소가 샘플 텐서인 `tuple`이 반환됩니다. | |
| [LatteTransformer3DModel](/docs/diffusers/main/ko/api/models/latte_transformer3d#diffusers.LatteTransformer3DModel)의 forward 메서드입니다. | |
Xet Storage Details
- Size:
- 3.16 kB
- Xet hash:
- a610f11fc26653410794014ad9dd3bf017da8e109fee7eb2b07e5ee63ab56050
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.