Buckets:
| # AutoencoderKLAllegro | |
| Модель трёхмерного вариационного автоэнкодера (VAE) с потерей KL, использованная в [Allegro](https://github.com/rhymes-ai/Allegro), была представлена в работе [Allegro: Open the Black Box of Commercial-Level Video Generation Model](https://huggingface.co/papers/2410.15458) от RhymesAI. | |
| Модель можно загрузить с помощью следующего фрагмента кода. | |
| ```python | |
| from diffusers import AutoencoderKLAllegro | |
| vae = AutoencoderKLAllegro.from_pretrained("rhymes-ai/Allegro", subfolder="vae", dtype=torch.float32).to("cuda") # or "mps", "xpu", "cpu" | |
| ``` | |
| ## AutoencoderKLAllegro[[diffusers.AutoencoderKLAllegro]] | |
| #### diffusers.AutoencoderKLAllegro[[diffusers.AutoencoderKLAllegro]] | |
| ```python | |
| diffusers.AutoencoderKLAllegro(in_channels: int = 3, out_channels: int = 3, down_block_types: tuple[str, ...] = ('AllegroDownBlock3D', 'AllegroDownBlock3D', 'AllegroDownBlock3D', 'AllegroDownBlock3D'), up_block_types: tuple[str, ...] = ('AllegroUpBlock3D', 'AllegroUpBlock3D', 'AllegroUpBlock3D', 'AllegroUpBlock3D'), block_out_channels: tuple[int, ...] = (128, 256, 512, 512), temporal_downsample_blocks: tuple[bool, ...] = (True, True, False, False), temporal_upsample_blocks: tuple[bool, ...] = (False, True, True, False), latent_channels: int = 4, layers_per_block: int = 2, act_fn: str = 'silu', norm_num_groups: int = 32, temporal_compression_ratio: float = 4, sample_size: int = 320, scaling_factor: float = 0.13, force_upcast: bool = True) | |
| ``` | |
| [Источник](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/autoencoders/autoencoder_kl_allegro.py#L676) | |
| **Параметры:** | |
| in_channels (int, по умолчанию `3`) : Количество каналов во входном изображении. | |
| out_channels (int, по умолчанию `3`) : Количество каналов на выходе. | |
| down_block_types (`tuple[str, ...]`, по умолчанию `("AllegroDownBlock3D", "AllegroDownBlock3D", "AllegroDownBlock3D", "AllegroDownBlock3D")`) : кортеж строк, указывающий типы используемых down-блоков. | |
| up_block_types (`tuple[str, ...]`, по умолчанию `("AllegroUpBlock3D", "AllegroUpBlock3D", "AllegroUpBlock3D", "AllegroUpBlock3D")`) : кортеж строк, определяющий типы используемых up-блоков. | |
| block_out_channels (`tuple[int, ...]`, по умолчанию `(128, 256, 512, 512)`) : кортеж целых чисел, определяющий количество выходных каналов в каждом блоке. | |
| temporal_downsample_blocks (`tuple[bool, ...]`, по умолчанию `(True, True, False, False)`) : кортеж булевых значений, указывающих, в каких блоках включить временное понижение разрешения. | |
| latent_channels (`int`, по умолчанию `4`) : Количество каналов в латентах. | |
| layers_per_block (`int`, по умолчанию `2`) : Количество слоёв resnet или attention или временных свёрточных в каждом down/up-блоке. | |
| act_fn (`str`, по умолчанию `"silu"`) : функция активации, которую следует использовать. | |
| norm_num_groups (`int`, по умолчанию `32`) : Количество групп, используемых в слоях нормализации. | |
| temporal_compression_ratio (`int`, по умолчанию `4`) : Коэффициент сжатия временного измерения образцов. | |
| sample_size (`int`, по умолчанию `320`) : Размер латентного представления по умолчанию. | |
| scaling_factor (`float`, по умолчанию `0.13235`) : Компонентное стандартное отклонение обученного латентного пространства, вычисленное на основе первой партии обучающей выборки. Используется для масштабирования латентного пространства до единичной дисперсии при обучении диффузионной модели. Перед передачей в диффузионную модель латенты масштабируются по формуле `z = z * scaling_factor`. При декодировании латенты возвращаются к исходному масштабу по формуле: `z = 1 / scaling_factor * z`. Дополнительные сведения см. в разделах 4.3.2 и D.1 статьи [High-Resolution Image Synthesis with Latent Diffusion Models](https://huggingface.co/papers/2112.10752). | |
| force_upcast (`bool`, по умолчанию `True`) : Если включено, принудительно заставляет VAE работать в float32 для пайплайнов с высоким разрешением изображений, таких как SD-XL. VAE можно дообучить / обучить для работы в более низком диапазоне без значительной потери точности, в этом случае `force_upcast` можно установить в `False` — см.: https://huggingface.co/madebyollin/sdxl-vae-fp16-fix | |
| Модель VAE с потерей KL для кодирования видео в латенты и декодирования латентных представлений в видео. Используется в [Allegro](https://github.com/rhymes-ai/Allegro). | |
| Эта модель наследуется от [ModelMixin](/docs/diffusers/main/ru/api/models/overview#diffusers.ModelMixin). См. документацию суперкласса для его универсальных методов, реализованных для всех моделей (например, загрузка или сохранение). | |
| #### decode[[diffusers.AutoencoderKLAllegro.decode]] | |
| ```python | |
| decode(z: Tensor, return_dict: bool = True) | |
| ``` | |
| [Источник](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/autoencoders/autoencoder_kl_allegro.py#L843) | |
| **Параметры:** | |
| z (`torch.Tensor`) : Входная партия латентных векторов. | |
| return_dict (`bool`, по умолчанию `True`) : Возвращать ли `~models.vae.DecoderOutput` вместо обычного кортежа. | |
| **Возвращает:** `~models.vae.DecoderOutput` или `tuple` | |
| Если return_dict равно True, возвращается `~models.vae.DecoderOutput`, иначе возвращается обычный `tuple`. | |
| Декодирование пакета видео. | |
| #### encode[[diffusers.AutoencoderKLAllegro.encode]] | |
| ```python | |
| encode(x: Tensor, return_dict: bool = True) | |
| ``` | |
| [Источник](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/autoencoders/autoencoder_kl_allegro.py#L806) | |
| **Параметры:** | |
| x (`torch.Tensor`) : Входная партия видео. | |
| return_dict (`bool`, по умолчанию `True`) : Возвращать ли `~models.autoencoder_kl.AutoencoderKLOutput` вместо обычного кортежа. | |
| **Возвращает:** | |
| Латентные представления закодированных видео. Если `return_dict` равно True, возвращается `~models.autoencoder_kl.AutoencoderKLOutput`, в противном случае возвращается обычный `tuple`. | |
| Кодирует пакет видео в латенты. | |
| #### forward[[diffusers.AutoencoderKLAllegro.forward]] | |
| ```python | |
| forward(sample: Tensor, sample_posterior: bool = False, return_dict: bool = True, generator: typing.Optional[torch.Generator] = None) | |
| ``` | |
| [Источник](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/autoencoders/autoencoder_kl_allegro.py#L1041) | |
| **Параметры:** | |
| sample (`torch.Tensor`) : Входящий образец. | |
| sample_posterior (`bool`, *необязательный*, по умолчанию `False`) : Флаг, определяющий, следует ли выполнять выборку из апостериорного распределения. | |
| return_dict (`bool`, *необязательный*, по умолчанию `True`) : Возвращать ли `DecoderOutput` вместо обычного кортежа. | |
| generator (`torch.Generator`, *необязательный*) : генератор случайных чисел PyTorch. | |
| **Возвращает:** `~models.vae.DecoderOutput` или `tuple` | |
| Если `return_dict` равно True, возвращается `~models.vae.DecoderOutput`, иначе возвращается обычный `tuple`. | |
| ## AutoencoderKLOutput[[diffusers.models.modeling_outputs.AutoencoderKLOutput]] | |
| #### diffusers.models.modeling_outputs.AutoencoderKLOutput[[diffusers.models.modeling_outputs.AutoencoderKLOutput]] | |
| ```python | |
| diffusers.models.modeling_outputs.AutoencoderKLOutput(latent_dist: DiagonalGaussianDistribution) | |
| ``` | |
| [Источник](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/modeling_outputs.py#L7) | |
| **Параметры:** | |
| latent_dist (`DiagonalGaussianDistribution`) : Закодированные выходные данные `Encoder`, представленные в виде среднего и logvar распределения `DiagonalGaussianDistribution`. `DiagonalGaussianDistribution` позволяет извлекать латентные переменные из этого распределения. | |
| Результат метода кодирования AutoencoderKL. | |
| ## DecoderOutput[[diffusers.models.autoencoders.vae.DecoderOutput]] | |
| #### diffusers.models.autoencoders.vae.DecoderOutput[[diffusers.models.autoencoders.vae.DecoderOutput]] | |
| ```python | |
| diffusers.models.autoencoders.vae.DecoderOutput(sample: Tensor, commit_loss: typing.Optional[torch.FloatTensor] = None) | |
| ``` | |
| [Источник](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/autoencoders/vae.py#L49) | |
| **Параметры:** | |
| sample (`torch.Tensor` формы `(batch_size, num_channels, height, width)`) : Декодированный вывод из последнего слоя модели. | |
| Результат метода декодирования. | |
Xet Storage Details
- Size:
- 10.7 kB
- Xet hash:
- 8b47ea10dfae5b0922cce06074d2ed7202478ee65e44dffaff84bc462d5b6683
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.