diffusers/main/ru/api/models/longcat_image_transformer2d.md

LongCatImageTransformer2DModel

Модель можно загрузить с помощью следующего фрагмента кода.

from diffusers import LongCatImageTransformer2DModel

transformer = LongCatImageTransformer2DModel.from_pretrained("meituan-longcat/LongCat-Image ", subfolder="transformer", dtype=torch.bfloat16)

LongCatImageTransformer2DModel[[diffusers.LongCatImageTransformer2DModel]]

diffusers.LongCatImageTransformer2DModel[[diffusers.LongCatImageTransformer2DModel]]

diffusers.LongCatImageTransformer2DModel(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 = 3584, pooled_projection_dim: int = 3584, axes_dims_rope: list[int] = [16, 56, 56])

Источник

Модель Transformer, представленная в Longcat-Image.

forward[[diffusers.LongCatImageTransformer2DModel.forward]]

forward(hidden_states: Tensor, encoder_hidden_states: Tensor = None, timestep: LongTensor = None, img_ids: Tensor = None, txt_ids: Tensor = None, guidance: Tensor = None, return_dict: bool = True)

Источник

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.

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.

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.