Buckets:
| # Модель SD3 Transformer | |
| Модель Transformer, представленная в [Stable Diffusion 3](https://hf.co/papers/2403.03206). Её новизна заключается в блоке трансформера MMDiT. | |
| ## SD3Transformer2DModel[[diffusers.SD3Transformer2DModel]] | |
| #### diffusers.SD3Transformer2DModel[[diffusers.SD3Transformer2DModel]] | |
| ```python | |
| diffusers.SD3Transformer2DModel(sample_size: int = 128, patch_size: int = 2, in_channels: int = 16, num_layers: int = 18, attention_head_dim: int = 64, num_attention_heads: int = 18, joint_attention_dim: int = 4096, caption_projection_dim: int = 1152, pooled_projection_dim: int = 2048, out_channels: int = 16, pos_embed_max_size: int = 96, dual_attention_layers: tuple[int, ...] = (), qk_norm: str | None = None) | |
| ``` | |
| [Источник](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_sd3.py#L79) | |
| **Параметры:** | |
| sample_size (`int`, по умолчанию `128`) : Ширина/высота латентов. Это значение фиксировано во время обучения, поскольку используется для обучения набора позиционных эмбеддингов. | |
| patch_size (`int`, по умолчанию `2`) : Размер патча для разбиения входных данных на небольшие патчи. | |
| in_channels (`int`, по умолчанию `16`) : Количество латентных каналов на входе. | |
| num_layers (`int`, по умолчанию `18`) : Количество используемых блоков трансформера. | |
| attention_head_dim (`int`, по умолчанию `64`) : Количество каналов в каждой голове. | |
| num_attention_heads (`int`, по умолчанию `18`) : Количество головок для использования в механизме внимания с несколькими головками. | |
| joint_attention_dim (`int`, по умолчанию `4096`) : Размерность эмбеддинга, используемая для совместного внимания текста и изображения. | |
| caption_projection_dim (`int`, по умолчанию `1152`) : Размерность встраиваний подписей. | |
| pooled_projection_dim (`int`, по умолчанию `2048`) : Размерность встраивания для пул-проекций текста. | |
| out_channels (`int`, по умолчанию `16`) : Количество латентных каналов в выводе. | |
| pos_embed_max_size (`int`, по умолчанию `96`) : Максимальная высота/ширина латентных векторов позиционных эмбеддингов. | |
| dual_attention_layers (`tuple[int, ...]`, по умолчанию `()`) : Количество блоков трансформера с двойным потоком, которые следует использовать. | |
| qk_norm (`str`, *необязательный*, по умолчанию `None`) : Нормализация, используемая для запроса и ключа в слое внимания. Если `None`, нормализация не применяется. | |
| Модель Transformer, представленная в [Stable Diffusion 3](https://huggingface.co/papers/2403.03206). | |
| #### enable_forward_chunking[[diffusers.SD3Transformer2DModel.enable_forward_chunking]] | |
| ```python | |
| enable_forward_chunking(chunk_size: int | None = None, dim: int = 0) | |
| ``` | |
| [Источник](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_sd3.py#L175) | |
| **Параметры:** | |
| chunk_size (`int`, *optional*) : Размер блока для полносвязных слоёв. Если не указан, полносвязный слой будет выполняться отдельно для каждого тензора с dim=`dim`. | |
| dim (`int`, *optional*, по умолчанию `0`) : Размерность, по которой вычисления в feed-forward слое должны быть разбиты на блоки. Выберите dim=0 (batch) или dim=1 (длина последовательности). | |
| Устанавливает процессор внимания для использования [feed forward chunking](https://huggingface.co/blog/reformer#2-chunked-feed-forward-layers). | |
| #### forward[[diffusers.SD3Transformer2DModel.forward]] | |
| ```python | |
| forward(hidden_states: Tensor, encoder_hidden_states: Tensor = None, pooled_projections: Tensor = None, timestep: LongTensor = None, block_controlnet_hidden_states: list = None, joint_attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True, skip_layers: list[int] | None = None) | |
| ``` | |
| [Источник](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_sd3.py#L248) | |
| **Параметры:** | |
| hidden_states (`torch.Tensor` формы `(batch size, channel, 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. | |
| pooled_projections (`torch.Tensor` формы `(batch_size, projection_dim)`) : Векторы, полученные из эмбеддингов входных условий. | |
| timestep (`torch.LongTensor`) : Используется для указания шага денойзинга. | |
| block_controlnet_hidden_states (`list` из `torch.Tensor`) : Список тензоров, которые при указании добавляются к остаточным связям блоков трансформера. | |
| joint_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. | |
| skip_layers (`list` из `int`, *optional*) : Список индексов слоёв, которые нужно пропустить при прямом проходе. | |
| **Возвращает:** | |
| Если `return_dict` равно True, возвращается `~models.transformer_2d.Transformer2DModelOutput`, иначе — `tuple`, первым элементом которого является тензор выборки. | |
| Метод forward модели [SD3Transformer2DModel](/docs/diffusers/main/ru/api/models/sd3_transformer2d#diffusers.SD3Transformer2DModel). | |
| #### fuse_qkv_projections[[diffusers.SD3Transformer2DModel.fuse_qkv_projections]] | |
| ```python | |
| fuse_qkv_projections() | |
| ``` | |
| [Источник](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_sd3.py#L217) | |
| Включает объединённые проекции QKV. Для модулей само-внимания все матрицы проекций (т. е. запрос, ключ, значение) объединяются. Для модулей кросс-внимания объединяются матрицы проекций ключа и значения. | |
| > [!WARNING] > Этот API 🧪 экспериментальный. | |
| #### unfuse_qkv_projections[[diffusers.SD3Transformer2DModel.unfuse_qkv_projections]] | |
| ```python | |
| unfuse_qkv_projections() | |
| ``` | |
| [Источник](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_sd3.py#L239) | |
| Отключает объединенную проекцию QKV, если она включена. | |
| > [!WARNING] > Этот API 🧪 экспериментальный. | |
Xet Storage Details
- Size:
- 8.3 kB
- Xet hash:
- cb658a588024ebc6a0b6cec1166e4ea7c3897328fcac2fe4c248ff1724681f35
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.