diffusers/main/pt/api/models/latte_transformer3d.md

LatteTransformer3DModel

Um modelo Diffusion Transformer para dados 3D do Latte.

LatteTransformer3DModel[[diffusers.LatteTransformer3DModel]]

diffusers.LatteTransformer3DModel[[diffusers.LatteTransformer3DModel]]

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)

Fonte

forward[[diffusers.LatteTransformer3DModel.forward]]

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)

Fonte

Parâmetros:

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

timestep ( torch.LongTensor, opcional) : Usado para indicar o passo de desruidamento. Timestep opcional a ser aplicado como um embedding em AdaLayerNorm.

encoder_hidden_states ( torch.FloatTensor de forma (batch size, sequence len, embed dims), opcional) : Embebidings condicionais para a camada de atenção cruzada. Se não fornecidos, a atenção cruzada padrão é a autoatenção.

encoder_attention_mask ( torch.Tensor, opcional) : Máscara de atenção cruzada aplicada a encoder_hidden_states. Dois formatos suportados: * Máscara (batcheight, sequence_length) True = manter, False = descartar. * Viés (batcheight, 1, sequence_length) 0 = manter, -10000 = descartar. Se ndim == 2: será interpretada como uma máscara e, em seguida, convertida em um viés consistente com o formato acima. Esse viés será adicionado às pontuações de atenção cruzada.

enable_temporal_attentions : (bool, opcional, padrão True): Se as atenções temporais devem ser habilitadas.

return_dict (bool, opcional, padrão True) : Se deve ou não retornar um ~models.unet_2d_condition.UNet2DConditionOutput 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 LatteTransformer3DModel.