Buckets:
| # MochiTransformer3DModel | |
| Модель Diffusion Transformer для 3D-видеоподобных данных была представлена в [Mochi-1 Preview](https://huggingface.co/genmo/mochi-1-preview) от Genmo. | |
| Модель можно загрузить с помощью следующего фрагмента кода. | |
| ```python | |
| from diffusers import MochiTransformer3DModel | |
| transformer = MochiTransformer3DModel.from_pretrained("genmo/mochi-1-preview", subfolder="transformer", dtype=torch.float16).to("cuda") # or "mps", "xpu", "cpu" | |
| ``` | |
| ## MochiTransformer3DModel[[diffusers.MochiTransformer3DModel]] | |
| #### diffusers.MochiTransformer3DModel[[diffusers.MochiTransformer3DModel]] | |
| ```python | |
| diffusers.MochiTransformer3DModel(patch_size: int = 2, num_attention_heads: int = 24, attention_head_dim: int = 128, num_layers: int = 48, pooled_projection_dim: int = 1536, in_channels: int = 12, out_channels: int | None = None, qk_norm: str = 'rms_norm', text_embed_dim: int = 4096, time_embed_dim: int = 256, activation_fn: str = 'swiglu', max_sequence_length: int = 256) | |
| ``` | |
| [Источник](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_mochi.py#L309) | |
| **Параметры:** | |
| patch_size (`int`, по умолчанию `2`) : Размер патчей, используемых в слое встраивания патчей. | |
| num_attention_heads (`int`, по умолчанию `24`) : Количество головок для использования в механизме внимания с несколькими головками. | |
| attention_head_dim (`int`, по умолчанию `128`) : количество каналов в каждой голове. | |
| num_layers (`int`, по умолчанию `48`) : Количество блоков Transformer, используемых в модели. | |
| in_channels (`int`, по умолчанию `12`) : количество каналов на входе. | |
| out_channels (`int`, *необязательный*, по умолчанию `None`) : Количество каналов на выходе. | |
| qk_norm (`str`, по умолчанию `"rms_norm"`) : Слой нормализации, который следует использовать. | |
| text_embed_dim (`int`, по умолчанию `4096`) : Размерность входных текстовых эмбеддингов, полученных от текстового энкодера. | |
| time_embed_dim (`int`, по умолчанию `256`) : Размерность выходного вектора эмбеддингов временных шагов. | |
| activation_fn (`str`, по умолчанию `"swiglu"`) : Функция активации, используемая в полносвязном слое. | |
| max_sequence_length (`int`, по умолчанию `256`) : Максимальная поддерживаемая длина последовательности текстовых эмбеддингов. | |
| Модель Transformer для видеоподобных данных, представленная в [Mochi](https://huggingface.co/genmo/mochi-1-preview). | |
| #### forward[[diffusers.MochiTransformer3DModel.forward]] | |
| ```python | |
| forward(hidden_states: Tensor, encoder_hidden_states: Tensor, timestep: LongTensor, encoder_attention_mask: Tensor, attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True) | |
| ``` | |
| [Источник](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_mochi.py#L407) | |
| **Параметры:** | |
| hidden_states (`torch.Tensor` формы `(batch_size, num_channels, num_frames, height, width)`) : входные `hidden_states`. | |
| encoder_hidden_states (`torch.Tensor` 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. | |
| encoder_attention_mask (`torch.Tensor`) : Маска, применяемая к `encoder_hidden_states` во время внимания. | |
| 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:** `torch.Tensor` | |
| Тензор выходных данных после шумоподавления с формой `(batch_size, out_channels, num_frames, height, width)`. | |
| Метод forward модели [MochiTransformer3DModel](/docs/diffusers/main/ru/api/models/mochi_transformer3d#diffusers.MochiTransformer3DModel). | |
| ## Transformer2DModelOutput[[diffusers.models.modeling_outputs.Transformer2DModelOutput]] | |
| #### diffusers.models.modeling_outputs.Transformer2DModelOutput[[diffusers.models.modeling_outputs.Transformer2DModelOutput]] | |
| ```python | |
| diffusers.models.modeling_outputs.Transformer2DModelOutput(sample: torch.Tensor) | |
| ``` | |
| [Источник](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/modeling_outputs.py#L21) | |
| **Параметры:** | |
| sample (`torch.Tensor` формы `(batch_size, num_channels, height, width)` или `(batch size, num_vector_embeds - 1, num_latent_pixels)`, если [Transformer2DModel](/docs/diffusers/main/ru/api/models/transformer2d#diffusers.Transformer2DModel) дискретный): выходные скрытые состояния, обусловленные входом `encoder_hidden_states`. Если модель дискретная, возвращает распределения вероятностей для ненашумленных латентных пикселей. | |
| Вывод [Transformer2DModel](/docs/diffusers/main/ru/api/models/transformer2d#diffusers.Transformer2DModel). | |
Xet Storage Details
- Size:
- 6.38 kB
- Xet hash:
- 0e8394c1bf6a3b99034dc51661891c416b9aca5b16c76e08098e861562acdbc9
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.