Buckets:
| # BriaTransformer2DModel | |
| Модифицированная модель flux Transformer от [Bria](https://huggingface.co/briaai). | |
| ## BriaTransformer2DModel[[diffusers.BriaTransformer2DModel]] | |
| #### diffusers.BriaTransformer2DModel[[diffusers.BriaTransformer2DModel]] | |
| ```python | |
| 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) | |
| ``` | |
| [Источник](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_bria.py#L504) | |
| **Параметры:** | |
| patch_size (`int`) : Размер патча для разбиения входных данных на небольшие патчи. | |
| in_channels (`int`, *необязательный*, по умолчанию 16) : Количество каналов на входе. | |
| num_layers (`int`, *optional*, по умолчанию 18) : Количество используемых блоков MMDiT. | |
| num_single_layers (`int`, *optional*, по умолчанию 18) : Количество слоев одиночных блоков DiT, которые следует использовать. | |
| attention_head_dim (`int`, *необязательный*, по умолчанию 64) : Количество каналов в каждой голове. | |
| num_attention_heads (`int`, *optional*, по умолчанию 18) : Количество головок для использования в механизме внимания с несколькими головками. | |
| joint_attention_dim (`int`, *optional*) : Количество измерений `encoder_hidden_states`, которые следует использовать. | |
| pooled_projection_dim (`int`) : Количество измерений, используемых при проецировании `pooled_projections`. | |
| guidance_embeds (`bool`, по умолчанию False) : Использовать ли направляющие эмбеддинги. | |
| Модель Transformer, представленная в Flux. Основана на FluxPipeline с несколькими изменениями: | |
| - нет объединённых эмбеддингов | |
| - Мы используем нулевую отсечку для промптов | |
| - Встроенное представление руководства отсутствует, так как это не дистиллированная версия | |
| Ссылка: https://blackforestlabs.ai/announcing-black-forest-labs/ | |
| #### forward[[diffusers.BriaTransformer2DModel.forward]] | |
| ```python | |
| 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) | |
| ``` | |
| [Источник](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_bria.py#L582) | |
| **Параметры:** | |
| hidden_states (`torch.FloatTensor` формы `(batch size, channel, height, width)`) : Входные `hidden_states`. | |
| encoder_hidden_states (`torch.FloatTensor` формы `(batch size, sequence_len, embed_dims)`) : Условные эмбеддинги (эмбеддинги, вычисленные на основе входных условий, таких как промпты), которые следует использовать. | |
| pooled_projections (`torch.FloatTensor` формы `(batch_size, projection_dim)`) : Векторы, полученные из эмбеддингов входных условий. | |
| timestep ( `torch.LongTensor`) : Используется для указания шага денойзинга. | |
| img_ids (`torch.Tensor`) : идентификаторы позиций изображений, используемые для вычисления вращательных позиционных эмбеддингов. | |
| txt_ids (`torch.Tensor`) : Идентификаторы позиций текста, используемые для вычисления вращательных позиционных эмбеддингов. | |
| guidance (`torch.Tensor`, *необязательный*) : Встраивание масштаба руководства, используемое для вариантов модели, дистиллированных с помощью руководства. | |
| controlnet_block_samples (`list` из `torch.Tensor`, *необязательный*) : Список тензоров, которые при указании добавляются к остаточным связям блоков трансформера. | |
| controlnet_single_block_samples (`list` из `torch.Tensor`, *необязательный*) : Список тензоров, которые при указании добавляются к остаточным связям отдельных блоков трансформера. | |
| attention_kwargs (`dict`, *необязательный*) : Словарь kwargs, который при указании передается в `AttentionProcessor`, определенный в `self.processor` в [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py). | |
| return_dict (`bool`, *необязательный*, по умолчанию `True`) : Возвращать ли `~models.transformer_2d.Transformer2DModelOutput` вместо обычного кортежа. | |
| **Возвращает:** | |
| Если `return_dict` равно True, возвращается `~models.transformer_2d.Transformer2DModelOutput`, иначе — `tuple`, первым элементом которого является тензор выборки. | |
| Метод forward модели [BriaTransformer2DModel](/docs/diffusers/main/ru/api/models/bria_transformer#diffusers.BriaTransformer2DModel). | |
Xet Storage Details
- Size:
- 6.31 kB
- Xet hash:
- 986569bb623c1cfb656c10f2c4fa29fa16e9fd1caecfef2a3559fcb7a7b690da
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.