diffusers/main/ko/api/models/transformer2d.md

Transformer2DModel

CompVis의 이미지형 데이터용 Transformer 모델로, Dosovitskiy et al.이 소개한 Vision Transformer를 기반으로 합니다. Transformer2DModel은 이산형(벡터 임베딩의 클래스) 또는 연속형(실제 임베딩) 입력을 받습니다.

입력이 연속인 경우:

1. 입력을 투영하고 (batch_size, sequence_length, feature_dimension)으로 재구성합니다.
2. Transformer 블록을 표준 방식으로 적용합니다.
3. 이미지로 리사이즈합니다.

입력이 이산인 경우:

입력 클래스 중 하나가 마스킹된 잠재 픽셀임을 가정합니다. 노이즈가 제거된 이미지의 예측 클래스에는 마스킹된 픽셀에 대한 예측이 포함되지 않습니다. 노이즈가 제거된 이미지는 마스킹할 수 없기 때문입니다.

1. 입력(잠재 픽셀 클래스)을 임베딩으로 변환하고 위치 임베딩을 적용합니다.
2. Transformer 블록을 표준 방식으로 적용합니다.
3. 노이즈가 없는 이미지의 클래스를 예측합니다.

Transformer2DModel[[diffusers.Transformer2DModel]]

diffusers.Transformer2DModel[[diffusers.Transformer2DModel]]

diffusers.Transformer2DModel(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, norm_num_groups: int = 32, cross_attention_dim: int | None = None, attention_bias: bool = False, sample_size: int | None = None, num_vector_embeds: int | None = None, patch_size: int | None = None, activation_fn: str = 'geglu', num_embeds_ada_norm: int | None = None, use_linear_projection: bool = False, only_cross_attention: bool = False, double_self_attention: bool = False, upcast_attention: bool = False, norm_type: str = 'layer_norm', norm_elementwise_affine: bool = True, norm_eps: float = 1e-05, attention_type: str = 'default', caption_channels: int = None, interpolation_scale: float = None, use_additional_conditions: bool | None = None)

소스

매개변수:

num_attention_heads (int, 선택 사항, 기본값 16) : 멀티 헤드 어텐션에 사용할 헤드 수입니다.

attention_head_dim (int, 선택 사항, 기본값 88) : 각 헤드(head)의 채널 수입니다.

in_channels (int, 선택 사항) : 입력과 출력의 채널 수(입력이 연속형인 경우 지정).

num_layers (int, 선택 사항, 기본값 1) : 사용할 Transformer 블록의 레이어 수입니다.

dropout (float, 선택 사항, 기본값 0.0) : 사용할 dropout 확률입니다.

cross_attention_dim (int, 선택 사항) : 사용할 encoder_hidden_states 차원의 수입니다.

sample_size (int, 선택 사항) : 잠재 이미지의 너비(입력이 discrete인 경우 지정). 위치 임베딩의 수를 학습하는 데 사용되므로 학습 중에 고정됩니다.

num_vector_embeds (int, 선택 사항) : 잠재 픽셀의 벡터 임베딩 클래스 수(입력이 이산인 경우 지정). 마스킹된 잠재 픽셀의 클래스를 포함합니다.

activation_fn (str, 선택 사항, 기본값 "geglu") : 피드포워드에서 사용할 활성화 함수.

num_embeds_ada_norm ( int, 선택 사항) : 학습 중에 사용되는 확산 단계 수입니다. AdaLayerNorm이 norm_layers 중 하나 이상인 경우 전달해야 합니다. 이는 학습 중에 고정되며, hidden states에 추가되는 임베딩의 수를 학습하는 데 사용되기 때문입니다. 추론 시에는 num_embeds_ada_norm보다 많은 단계로 노이즈를 제거할 수는 없습니다.

attention_bias (bool, 선택 사항) : TransformerBlocks의 attention에 bias 매개변수를 포함할지 구성합니다.

이미지형 데이터를 위한 2D Transformer 모델입니다.

forward[[diffusers.Transformer2DModel.forward]]

forward(hidden_states: Tensor, encoder_hidden_states: typing.Optional[torch.Tensor] = None, timestep: typing.Optional[torch.LongTensor] = None, added_cond_kwargs: dict = None, class_labels: typing.Optional[torch.LongTensor] = None, cross_attention_kwargs: dict = None, attention_mask: typing.Optional[torch.Tensor] = None, encoder_attention_mask: typing.Optional[torch.Tensor] = None, return_dict: bool = True)

소스

매개변수:

hidden_states (torch.LongTensor의 경우 (batch size, num latent pixels) 형태, torch.Tensor의 경우 (batch size, channel, height, width) 형태) : 입력 hidden_states.

encoder_hidden_states ( torch.Tensor, shape (batch size, sequence len, embed dims), 선택 사항) : cross attention layer에 사용되는 조건부 임베딩입니다. 제공되지 않으면 cross-attention은 기본적으로 self-attention으로 동작합니다.

timestep ( torch.LongTensor, 선택 사항) : 노이즈 제거 단계를 나타내는 데 사용됩니다. AdaLayerNorm에서 임베딩으로 적용될 선택적 타임스텝입니다.

class_labels ( torch.LongTensor, shape (batch size, num classes), 선택 사항) : 클래스 레이블 조건화를 나타내는 데 사용됩니다. AdaLayerZeroNorm에서 임베딩으로 적용될 선택적 클래스 레이블입니다.

cross_attention_kwargs ( dict[str, Any], 선택) : 지정된 경우 diffusers.models.attention_processor의 self.processor 아래에서 정의된 AttentionProcessor로 전달되는 kwargs 사전입니다.

attention_mask ( torch.Tensor, 선택 사항) : (batch, key_tokens) 모양의 어텐션 마스크가 encoder_hidden_states에 적용됩니다. 1인 경우 마스크가 유지되고, 0인 경우 폐기됩니다. 마스크는 바이어스로 변환되어 "폐기" 토큰에 해당하는 어텐션 점수에 큰 음의 값을 더합니다.

encoder_attention_mask ( torch.Tensor, 선택 사항) : encoder_hidden_states에 적용되는 크로스 어텐션 마스크. 두 가지 형식을 지원합니다: * 마스크 (batch, sequence_length) True = 유지, False = 제거. * 바이어스 (batch, 1, sequence_length) 0 = 유지, -10000 = 제거. ndim == 2인 경우: 마스크로 해석된 후, 위의 형식과 일관된 바이어스로 변환됩니다. 이 바이어스는 크로스 어텐션 점수에 추가됩니다.

return_dict (bool, 선택 사항, 기본값 True) : 일반 튜플 대신 UNet2DConditionOutput을 반환할지 여부.

반환값:

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

Transformer2DModel의 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.