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

TransformerTemporalModel

Модель Transformer для данных, похожих на видео.

TransformerTemporalModel[[diffusers.TransformerTemporalModel]]

diffusers.TransformerTemporalModel[[diffusers.TransformerTemporalModel]]

diffusers.TransformerTemporalModel(num_attention_heads: int = 16, attention_head_dim: int = 88, in_channels: int | None = None, out_channels: int | None = None, num_layers: int = 1, dropout: float = 0.0, norm_num_groups: int = 32, cross_attention_dim: int | None = None, attention_bias: bool = False, sample_size: int | None = None, activation_fn: str = 'geglu', norm_elementwise_affine: bool = True, double_self_attention: bool = True, positional_embeddings: str | None = None, num_positional_embeddings: int | None = None)

Источник

Параметры:

num_attention_heads (int, optional, по умолчанию 16) : Количество головок для использования в механизме внимания с несколькими головками.

attention_head_dim (int, необязательный, по умолчанию 88) : Количество каналов в каждой голове.

in_channels (int, необязательный) : Количество каналов на входе и выходе (указывается, если вход является непрерывным).

num_layers (int, необязательный, по умолчанию 1) : Количество блоков Transformer, используемых в модели.

dropout (float, необязательный, по умолчанию 0.0) : Вероятность dropout, которую следует использовать.

cross_attention_dim (int, optional) : Количество измерений encoder_hidden_states, которые следует использовать.

attention_bias (bool, необязательный) : Настройка того, должен ли параметр смещения (bias) присутствовать в механизме внимания блока TransformerBlock.

sample_size (int, необязательный) : Ширина латентных изображений (указывается, если вход дискретный). Это значение фиксировано во время обучения, поскольку используется для обучения набора позиционных эмбеддингов.

activation_fn (str, необязательный, по умолчанию "geglu") : Функция активации, используемая в полносвязном слое. См. diffusers.models.activations.get_activation для списка поддерживаемых функций активации.

norm_elementwise_affine (bool, необязательный) : Настройка того, следует ли TransformerBlock использовать обучаемые параметры аффинного преобразования для нормализации.

double_self_attention (bool, необязательный) : Настройка того, должен ли каждый TransformerBlock содержать два слоя само-внимания.

positional_embeddings : (str, необязательный): Тип позиционных эмбеддингов, применяемых к входной последовательности перед использованием.

num_positional_embeddings : (int, необязательный): Максимальная длина последовательности, для которой применяются позиционные эмбеддинги.

Модель Transformer для данных, похожих на видео.

forward[[diffusers.TransformerTemporalModel.forward]]

forward(hidden_states: Tensor, encoder_hidden_states: typing.Optional[torch.LongTensor] = None, timestep: typing.Optional[torch.LongTensor] = None, class_labels: LongTensor = None, num_frames: int = 1, cross_attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True)

Источник

Параметры:

hidden_states (torch.LongTensor формы (batch size, num latent pixels) для дискретных, torch.Tensor формы (batch size, channel, height, width) для непрерывных) : Входные hidden_states.

encoder_hidden_states ( torch.LongTensor формы (batch size, encoder_hidden_states dim), необязательный) : Условные эмбеддинги для слоя cross-attention. Если не заданы, cross-attention по умолчанию работает как self-attention.

timestep ( torch.LongTensor, необязательный) : Используется для указания шага денойзинга. Необязательный временной шаг, применяемый как эмбеддинг в AdaLayerNorm.

class_labels ( torch.LongTensor формы (batch size, num classes), необязательный) : Используется для указания условий по классам. Необязательные метки классов, применяемые как эмбеддинг в AdaLayerZeroNorm.

num_frames (int, optional, по умолчанию 1) : Количество кадров, обрабатываемых в одном батче. Используется для изменения формы скрытых состояний.

cross_attention_kwargs (dict, необязательный) : Словарь kwargs, который при указании передается в AttentionProcessor, определенный в self.processor в diffusers.models.attention_processor.

return_dict (bool, необязательный, по умолчанию True) : Возвращать ли TransformerTemporalModelOutput вместо обычного кортежа.

Возвращает: TransformerTemporalModelOutput или tuple

Если return_dict равно True, возвращается TransformerTemporalModelOutput, иначе — tuple, первым элементом которого является тензор выборки.

Метод forward класса TransformerTemporal.

TransformerTemporalModelOutput[[diffusers.models.transformers.transformer_temporal.TransformerTemporalModelOutput]]

diffusers.models.transformers.transformer_temporal.TransformerTemporalModelOutput[[diffusers.models.transformers.transformer_temporal.TransformerTemporalModelOutput]]

diffusers.models.transformers.transformer_temporal.TransformerTemporalModelOutput(sample: Tensor)

Источник

Параметры:

sample (torch.Tensor формы (batch_size x num_frames, num_channels, height, width)) : Выходные скрытые состояния, обусловленные входом encoder_hidden_states.

Вывод TransformerTemporalModel.