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

BriaFiboTransformer2DModel

Um modelo Transformer de fluxo modificado da Bria

BriaFiboTransformer2DModel[[diffusers.BriaFiboTransformer2DModel]]

diffusers.BriaFiboTransformer2DModel[[diffusers.BriaFiboTransformer2DModel]]

diffusers.BriaFiboTransformer2DModel(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, text_encoder_dim: int = 2048)

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.

... --

forward[[diffusers.BriaFiboTransformer2DModel.forward]]

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

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.

text_encoder_layers (list de torch.Tensor) : Estados ocultos do codificador de texto por bloco, um tensor por bloco do transformer.

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.

joint_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.