Buckets:
| # Normalization 레이어 | |
| 🤗 Diffusers에서 다양한 모델을 지원하기 위한 사용자 정의 정규화 레이어. | |
| ## AdaLayerNorm[[diffusers.models.normalization.AdaLayerNorm]] | |
| #### diffusers.models.normalization.AdaLayerNorm[[diffusers.models.normalization.AdaLayerNorm]] | |
| ```python | |
| diffusers.models.normalization.AdaLayerNorm(embedding_dim: int, num_embeddings: int | None = None, output_dim: int | None = None, norm_elementwise_affine: bool = False, norm_eps: float = 1e-05, chunk_dim: int = 0) | |
| ``` | |
| [소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/normalization.py#L27) | |
| **매개변수:** | |
| embedding_dim (`int`) : 각 임베딩 벡터의 크기. | |
| num_embeddings (`int`, *선택 사항*) : 임베딩 사전의 크기. | |
| output_dim (`int`, *선택 사항*) -- | |
| norm_elementwise_affine (`bool`, 기본값은 `False) -- | |
| norm_eps (`bool`, 기본값은 `False`) -- | |
| chunk_dim (`int`, 기본값 `0`) -- | |
| timestep 임베딩을 포함하도록 수정된 Norm 레이어. | |
| ## AdaLayerNormZero[[diffusers.models.normalization.AdaLayerNormZero]] | |
| #### diffusers.models.normalization.AdaLayerNormZero[[diffusers.models.normalization.AdaLayerNormZero]] | |
| ```python | |
| diffusers.models.normalization.AdaLayerNormZero(embedding_dim: int, num_embeddings: int | None = None, norm_type = 'layer_norm', bias = True) | |
| ``` | |
| [소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/normalization.py#L130) | |
| **매개변수:** | |
| embedding_dim (`int`) : 각 임베딩 벡터의 크기. | |
| num_embeddings (`int`) : 임베딩 사전의 크기. | |
| Norm layer adaptive layer norm zero (adaLN-Zero). | |
| ## AdaLayerNormSingle[[diffusers.models.normalization.AdaLayerNormSingle]] | |
| #### diffusers.models.normalization.AdaLayerNormSingle[[diffusers.models.normalization.AdaLayerNormSingle]] | |
| ```python | |
| diffusers.models.normalization.AdaLayerNormSingle(embedding_dim: int, use_additional_conditions: bool = False) | |
| ``` | |
| [소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/normalization.py#L235) | |
| **매개변수:** | |
| embedding_dim (`int`) : 각 임베딩 벡터의 크기. | |
| use_additional_conditions (`bool`) : 정규화에 추가 조건을 사용할지 여부. | |
| Norm 레이어 적응형 레이어 정규화 단일(adaLN-single). | |
| PixArt-Alpha에서 제안한 바와 같습니다(참조: https://huggingface.co/papers/2310.00426; 2.3 섹션). | |
| ## AdaGroupNorm[[diffusers.models.normalization.AdaGroupNorm]] | |
| #### diffusers.models.normalization.AdaGroupNorm[[diffusers.models.normalization.AdaGroupNorm]] | |
| ```python | |
| diffusers.models.normalization.AdaGroupNorm(embedding_dim: int, out_dim: int, num_groups: int, act_fn: str | None = None, eps: float = 1e-05) | |
| ``` | |
| [소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/normalization.py#L269) | |
| **매개변수:** | |
| embedding_dim (`int`) : 각 임베딩 벡터의 크기. | |
| num_embeddings (`int`) : 임베딩 사전의 크기. | |
| num_groups (`int`) : 채널을 분리할 그룹의 수. | |
| act_fn (`str`, *선택 사항*, 기본값 `None`) : 사용할 활성화 함수입니다. | |
| eps (`float`, *선택 사항*, 기본값 `1e-5`) : 수치적 안정성을 위해 사용할 epsilon 값입니다. | |
| timestep 임베딩을 통합하도록 수정된 GroupNorm 레이어. | |
| ## AdaLayerNormContinuous[[diffusers.models.normalization.AdaLayerNormContinuous]] | |
| #### diffusers.models.normalization.AdaLayerNormContinuous[[diffusers.models.normalization.AdaLayerNormContinuous]] | |
| ```python | |
| diffusers.models.normalization.AdaLayerNormContinuous(embedding_dim: int, conditioning_embedding_dim: int, elementwise_affine = True, eps = 1e-05, bias = True, norm_type = 'layer_norm') | |
| ``` | |
| [소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/normalization.py#L307) | |
| **매개변수:** | |
| embedding_dim (`int`) : 투영 과정에서 사용할 임베딩 차원. | |
| conditioning_embedding_dim (`int`) : 입력 조건의 차원. | |
| elementwise_affine (`bool`, 기본값 `True`) : affine 변환을 적용할지 여부를 나타내는 Boolean 플래그입니다. | |
| eps (`float`, 기본값 1e-5) : Epsilon 계수. | |
| bias (`bias`, 기본값은 `True`) : bias를 사용할지 여부를 나타내는 Boolean 플래그. | |
| norm_type (`str`, 기본값 `"layer_norm"`) : 사용할 정규화 레이어. 지원되는 값: "layer_norm", "rms_norm". | |
| norm 레이어(layer_norm 또는 rms_norm)를 갖춘 적응형 정규화 레이어. | |
| ## RMSNorm[[diffusers.models.normalization.RMSNorm]] | |
| #### diffusers.models.normalization.RMSNorm[[diffusers.models.normalization.RMSNorm]] | |
| ```python | |
| diffusers.models.normalization.RMSNorm(dim, eps: float, elementwise_affine: bool = True, bias: bool = False) | |
| ``` | |
| [소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/normalization.py#L510) | |
| **매개변수:** | |
| dim (`int`) : `weights`에 사용할 차원의 수입니다. `elementwise_affine`가 True일 때만 적용됩니다. | |
| eps (`float`) : 제곱근의 역수를 계산할 때 사용할 작은 값. | |
| elementwise_affine (`bool`, 기본값 `True`) : affine 변환을 적용할지 여부를 나타내는 Boolean 플래그입니다. | |
| bias (`bool`, 기본값 False) : `bias` 파라미터도 함께 학습할지 여부. | |
| Zhang et al.이 https://huggingface.co/papers/1910.07467에서 소개한 RMS Norm | |
| ## GlobalResponseNorm[[diffusers.models.normalization.GlobalResponseNorm]] | |
| #### diffusers.models.normalization.GlobalResponseNorm[[diffusers.models.normalization.GlobalResponseNorm]] | |
| ```python | |
| diffusers.models.normalization.GlobalResponseNorm(dim) | |
| ``` | |
| [소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/normalization.py#L601) | |
| **매개변수:** | |
| dim (`int`) : `gamma`와 `beta`에 사용할 차원의 수. | |
| ConvNeXt-v2(https://huggingface.co/papers/2301.00808)에서 도입한 전역 응답 정규화(Global response normalization)입니다. | |
| ## LuminaLayerNormContinuous[[diffusers.models.normalization.LuminaLayerNormContinuous]] | |
| #### diffusers.models.normalization.LuminaLayerNormContinuous[[diffusers.models.normalization.LuminaLayerNormContinuous]] | |
| ```python | |
| diffusers.models.normalization.LuminaLayerNormContinuous(embedding_dim: int, conditioning_embedding_dim: int, elementwise_affine = True, eps = 1e-05, bias = True, norm_type = 'layer_norm', out_dim: int | None = None) | |
| ``` | |
| [소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/normalization.py#L354) | |
| ## SD35AdaLayerNormZeroX[[diffusers.models.normalization.SD35AdaLayerNormZeroX]] | |
| #### diffusers.models.normalization.SD35AdaLayerNormZeroX[[diffusers.models.normalization.SD35AdaLayerNormZeroX]] | |
| ```python | |
| diffusers.models.normalization.SD35AdaLayerNormZeroX(embedding_dim: int, norm_type: str = 'layer_norm', bias: bool = True) | |
| ``` | |
| [소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/normalization.py#L96) | |
| **매개변수:** | |
| embedding_dim (`int`) : 각 임베딩 벡터의 크기. | |
| num_embeddings (`int`) : 임베딩 사전의 크기. | |
| Norm 레이어 적응형 레이어 노름 제로(AdaLN-Zero). | |
| ## AdaLayerNormZeroSingle[[diffusers.models.normalization.AdaLayerNormZeroSingle]] | |
| #### diffusers.models.normalization.AdaLayerNormZeroSingle[[diffusers.models.normalization.AdaLayerNormZeroSingle]] | |
| ```python | |
| diffusers.models.normalization.AdaLayerNormZeroSingle(embedding_dim: int, norm_type = 'layer_norm', bias = True) | |
| ``` | |
| [소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/normalization.py#L173) | |
| **매개변수:** | |
| embedding_dim (`int`) : 각 임베딩 벡터의 크기. | |
| num_embeddings (`int`) : 임베딩 사전의 크기. | |
| Norm layer adaptive layer norm zero (adaLN-Zero). | |
| ## LuminaRMSNormZero[[diffusers.models.normalization.LuminaRMSNormZero]] | |
| #### diffusers.models.normalization.LuminaRMSNormZero[[diffusers.models.normalization.LuminaRMSNormZero]] | |
| ```python | |
| diffusers.models.normalization.LuminaRMSNormZero(embedding_dim: int, norm_eps: float, norm_elementwise_affine: bool) | |
| ``` | |
| [소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/normalization.py#L205) | |
| **매개변수:** | |
| embedding_dim (`int`) : 각 임베딩 벡터의 크기. | |
| Norm 레이어 적응형 RMS 정규화 zero. | |
| ## LpNorm[[diffusers.models.normalization.LpNorm]] | |
| #### diffusers.models.normalization.LpNorm[[diffusers.models.normalization.LpNorm]] | |
| ```python | |
| diffusers.models.normalization.LpNorm(p: int = 2, dim: int = -1, eps: float = 1e-12) | |
| ``` | |
| [소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/normalization.py#L621) | |
| ## CogView3PlusAdaLayerNormZeroTextImage[[diffusers.models.normalization.CogView3PlusAdaLayerNormZeroTextImage]] | |
| #### diffusers.models.normalization.CogView3PlusAdaLayerNormZeroTextImage[[diffusers.models.normalization.CogView3PlusAdaLayerNormZeroTextImage]] | |
| ```python | |
| diffusers.models.normalization.CogView3PlusAdaLayerNormZeroTextImage(embedding_dim: int, dim: int) | |
| ``` | |
| [소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/normalization.py#L403) | |
| **매개변수:** | |
| embedding_dim (`int`) : 각 임베딩 벡터의 크기. | |
| num_embeddings (`int`) : 임베딩 사전의 크기. | |
| Norm layer adaptive layer norm zero (adaLN-Zero). | |
| ## CogVideoXLayerNormZero[[diffusers.models.normalization.CogVideoXLayerNormZero]] | |
| #### diffusers.models.normalization.CogVideoXLayerNormZero[[diffusers.models.normalization.CogVideoXLayerNormZero]] | |
| ```python | |
| diffusers.models.normalization.CogVideoXLayerNormZero(conditioning_dim: int, embedding_dim: int, elementwise_affine: bool = True, eps: float = 1e-05, bias: bool = True) | |
| ``` | |
| [소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/normalization.py#L448) | |
| ## MochiRMSNormZero[[diffusers.models.transformers.transformer_mochi.MochiRMSNormZero]] | |
| #### diffusers.models.transformers.transformer_mochi.MochiRMSNormZero[[diffusers.models.transformers.transformer_mochi.MochiRMSNormZero]] | |
| ```python | |
| diffusers.models.transformers.transformer_mochi.MochiRMSNormZero(embedding_dim: int, hidden_dim: int, eps: float = 1e-05, elementwise_affine: bool = False) | |
| ``` | |
| [소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_mochi.py#L88) | |
| **매개변수:** | |
| embedding_dim (`int`) : 각 임베딩 벡터의 크기. | |
| Mochi에서 사용되는 Adaptive RMS Norm입니다. | |
| ## MochiRMSNorm[[diffusers.models.normalization.MochiRMSNorm]] | |
| #### diffusers.models.normalization.MochiRMSNorm[[diffusers.models.normalization.MochiRMSNorm]] | |
| ```python | |
| diffusers.models.normalization.MochiRMSNorm(dim, eps: float, elementwise_affine: bool = True) | |
| ``` | |
| [소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/normalization.py#L573) | |
Xet Storage Details
- Size:
- 10.7 kB
- Xet hash:
- af1963573936fac1c52b3ce28d620fadad05365157c3f13858bd1f6c35c4efb7
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.