diffusers/main/pt/api/models/bria_transformer.md

BriaTransformer2DModel

Um modelo Transformer de fluxo modificado da Bria.

BriaTransformer2DModel[[diffusers.BriaTransformer2DModel]]

diffusers.BriaTransformer2DModel[[diffusers.BriaTransformer2DModel]]

diffusers.BriaTransformer2DModel(patch_size: int = 1, in_channels: int = 64, num_layers: int = 19, num_single_layers: int = 38, attention_head_dim: int = 128, num_attention_heads: int = 24, joint_attention_dim: int = 4096, pooled_projection_dim: int = None, guidance_embeds: bool = False, axes_dims_rope: list[int] = [16, 56, 56], rope_theta = 10000, time_theta = 10000)

Fonte

Parâmetros:

patch_size (int) : Tamanho do patch para dividir os dados de entrada em pequenos patches.

in_channels (int, opcional, padrão 16) : O número de canais na entrada.

num_layers (int, opcional, padrão 18) : O número de blocos MMDiT a serem usados.

num_single_layers (int, opcional, padrão 18) : O número de camadas de blocos DiT únicos a serem usados.

attention_head_dim (int, opcional, padrão 64) : O número de canais em cada head.

num_attention_heads (int, opcional, padrão 18) : O número de cabeças a serem usadas para a atenção multi-cabeça.

joint_attention_dim (int, opcional) : O número de dimensões de encoder_hidden_states a serem usadas.

pooled_projection_dim (int) : Número de dimensões a serem usadas ao projetar as pooled_projections.

guidance_embeds (bool, padrão é False) : Se deve usar embeddings de orientação.

O modelo Transformer introduzido no Flux. Baseado no FluxPipeline com várias alterações:

• nos embeddings agregados
• Usamos zero padding para prompts
• Sem embedding de orientação, pois esta não é uma versão destilada Referência: https://blackforestlabs.ai/announcing-black-forest-labs/

forward[[diffusers.BriaTransformer2DModel.forward]]

forward(hidden_states: Tensor, encoder_hidden_states: Tensor = None, pooled_projections: Tensor = None, timestep: LongTensor = None, img_ids: Tensor = None, txt_ids: Tensor = None, guidance: Tensor = None, attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True, controlnet_block_samples = None, controlnet_single_block_samples = None)

Fonte

Parâmetros:

hidden_states (torch.FloatTensor de forma (batch size, channel, height, width)) : hidden_states de entrada.

encoder_hidden_states (torch.FloatTensor de forma (batch size, sequence_len, embed_dims)) : Embeddings condicionais (embeddings calculados a partir das condições de entrada, como prompts) a serem usados.

pooled_projections (torch.FloatTensor de forma (batch_size, projection_dim)) : Embebimentos projetados a partir dos embebimentos das condições de entrada.

timestep ( torch.LongTensor) : Usado para indicar o passo de remoção de ruído.

img_ids (torch.Tensor) : ids de posição de imagem usados para calcular os embeddings posicionais rotativos.

txt_ids (torch.Tensor) : ids de posição de texto usados para calcular os embeddings posicionais rotativos.

guidance (torch.Tensor, opcional) : Embedding de escala de orientação usado para variantes destiladas por orientação do modelo.

controlnet_block_samples (list de torch.Tensor, opcional) : Uma lista de tensores que, se especificada, é adicionada aos resíduos dos blocos de transformer.

controlnet_single_block_samples (list de torch.Tensor, opcional) : Uma lista de tensores que, se especificada, é adicionada aos resíduos dos blocos de transformador individuais.

attention_kwargs (dict, opcional) : Um dicionário de kwargs que, se especificado, é passado para o AttentionProcessor conforme definido em self.processor em diffusers.models.attention_processor.

return_dict (bool, opcional, padrão True) : Indica se deve retornar um ~models.transformer_2d.Transformer2DModelOutput em vez de uma tupla simples.

Retorna:

Se return_dict for True, um ~models.transformer_2d.Transformer2DModelOutput é retornado; caso contrário, uma tuple onde o primeiro elemento é o tensor da amostra.

O método forward do BriaTransformer2DModel.