Buckets:
| # JoyImageEditTransformer3DModel | |
| Модель можно загрузить с помощью следующего фрагмента кода. | |
| ```python | |
| from diffusers import JoyImageEditTransformer3DModel | |
| transformer = JoyImageEditTransformer3DModel.from_pretrained("jdopensource/JoyAI-Image-Edit-Diffusers", subfolder="transformer", dtype=torch.bfloat16) | |
| ``` | |
| ## JoyImageEditTransformer3DModel[[diffusers.JoyImageEditTransformer3DModel]] | |
| #### diffusers.JoyImageEditTransformer3DModel[[diffusers.JoyImageEditTransformer3DModel]] | |
| ```python | |
| diffusers.JoyImageEditTransformer3DModel(patch_size: list = [1, 2, 2], in_channels: int = 16, out_channels: int | None = None, hidden_size: int = 3072, num_attention_heads: int = 24, text_dim: int = 4096, mlp_width_ratio: float = 4.0, num_layers: int = 20, rope_dim_list: list[int] = [16, 56, 56], rope_type: str = 'rope', theta: int = 256) | |
| ``` | |
| [Источник](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_joyimage.py#L372) | |
| Модель JoyImage Transformer для генерации и редактирования изображений. | |
| Архитектура DiT с двумя потоками, использующая условные эмбеддинги в стиле WAN и собственные вращательные позиционные эмбеддинги. | |
| #### forward[[diffusers.JoyImageEditTransformer3DModel.forward]] | |
| ```python | |
| forward(hidden_states: Tensor, timestep: Tensor, encoder_hidden_states: Tensor = None, return_dict: bool = True) | |
| ``` | |
| [Источник](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_joyimage.py#L522) | |
| **Параметры:** | |
| hidden_states (`torch.Tensor` формы `(batch_size, num_channels, num_frames, height, width)` или `(batch_size, num_items, num_channels, num_frames, height, width)`) : входные `hidden_states`. | |
| timestep (`torch.LongTensor`) : Используется для указания шага денойзинга. | |
| encoder_hidden_states (`torch.Tensor`, *необязательный*) : Условные эмбеддинги (эмбеддинги, вычисленные на основе входных условий, таких как промпты), которые следует использовать. | |
| 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 [JoyImageEditTransformer3DModel](/docs/diffusers/main/ru/api/models/transformer_joyimage#diffusers.JoyImageEditTransformer3DModel). | |
| ## 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:
- 4.14 kB
- Xet hash:
- baefbb4ca67714ef67f145598856780fd1980321b53d407373584344dbc8ff3b
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.