Buckets:
| # StableCascadeUNet | |
| [Stable Cascade pipeline](../pipelines/stable_cascade)의 UNet 모델입니다. | |
| ## StableCascadeUNet[[diffusers.models.StableCascadeUNet]] | |
| #### diffusers.models.StableCascadeUNet[[diffusers.models.StableCascadeUNet]] | |
| ```python | |
| diffusers.models.StableCascadeUNet(in_channels: int = 16, out_channels: int = 16, timestep_ratio_embedding_dim: int = 64, patch_size: int = 1, conditioning_dim: int = 2048, block_out_channels: tuple = (2048, 2048), num_attention_heads: tuple = (32, 32), down_num_layers_per_block: tuple = (8, 24), up_num_layers_per_block: tuple = (24, 8), down_blocks_repeat_mappers: tuple[int] | None = (1, 1), up_blocks_repeat_mappers: tuple[int] | None = (1, 1), block_types_per_layer: tuple = (('SDCascadeResBlock', 'SDCascadeTimestepBlock', 'SDCascadeAttnBlock'), ('SDCascadeResBlock', 'SDCascadeTimestepBlock', 'SDCascadeAttnBlock')), clip_text_in_channels: int | None = None, clip_text_pooled_in_channels = 1280, clip_image_in_channels: int | None = None, clip_seq = 4, effnet_in_channels: int | None = None, pixel_mapper_in_channels: int | None = None, kernel_size = 3, dropout: float | tuple[float] = (0.1, 0.1), self_attn: bool | tuple[bool] = True, timestep_conditioning_type: tuple = ('sca', 'crp'), switch_level: tuple[bool] | None = None) | |
| ``` | |
| [소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/unets/unet_stable_cascade.py#L136) | |
| #### forward[[diffusers.models.StableCascadeUNet.forward]] | |
| ```python | |
| forward(sample, timestep_ratio, clip_text_pooled, clip_text = None, clip_img = None, effnet = None, pixels = None, sca = None, crp = None, return_dict = True) | |
| ``` | |
| [소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/unets/unet_stable_cascade.py#L538) | |
| **매개변수:** | |
| sample (`torch.Tensor`) : 노이즈가 포함된 입력 샘플. | |
| timestep_ratio (`torch.Tensor`) : timestep embedding을 계산하는 데 사용되는 timestep 비율. | |
| clip_text_pooled (`torch.Tensor`) : 풀링된 CLIP 텍스트 임베딩. | |
| clip_text (`torch.Tensor`, *선택 사항*) : 시퀀스 수준의 CLIP 텍스트 임베딩. | |
| clip_img (`torch.Tensor`, *선택 사항*) : CLIP 이미지 임베딩. | |
| effnet (`torch.Tensor`, *선택 사항*) : 추가 조건으로 사용되는 EfficientNet feature map. | |
| pixels (`torch.Tensor`, *선택 사항*) : 픽셀 수준의 조건 텐서. `None`인 경우, 0으로 구성된 텐서가 사용됩니다. | |
| sca (`torch.Tensor`, *선택 사항*) : timestep 임베딩을 구성하는 데 사용되는 선택적 `sca` 조건 값입니다. | |
| crp (`torch.Tensor`, *선택 사항*) : timestep 임베딩을 구성하는 데 사용되는 선택적 `crp` 조건 값입니다. | |
| return_dict (`bool`, *선택 사항*, 기본값 `True`) : 일반 튜플 대신 `StableCascadeUNetOutput`를 반환할지 여부. | |
| **반환값:** | |
| `return_dict`가 True이면 `StableCascadeUNetOutput`이 반환되고, 그렇지 않으면 첫 번째 요소가 샘플 텐서인 `tuple`이 반환됩니다. | |
Xet Storage Details
- Size:
- 2.99 kB
- Xet hash:
- 8bcd10e7fa82ffa116143077ba786c50c1f6573630a1e8fc84da38fd1b06e546
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.