diffusers/main/ru/api/schedulers/consistency_decoder.md

ConsistencyDecoderScheduler

Этот планировщик является частью ConsistencyDecoderPipeline и был представлен в DALL-E 3.

Исходный код можно найти в openai/consistency_models.

ConsistencyDecoderScheduler[[diffusers.schedulers.ConsistencyDecoderScheduler]]

diffusers.schedulers.ConsistencyDecoderScheduler[[diffusers.schedulers.ConsistencyDecoderScheduler]]

diffusers.schedulers.ConsistencyDecoderScheduler(num_train_timesteps: int = 1024, sigma_data: float = 0.5)

Источник

Параметры:

num_train_timesteps (int, необязательный, по умолчанию 1024) : Количество шагов диффузии для обучения модели.

sigma_data (float, необязательный, по умолчанию 0.5) : Стандартное отклонение распределения данных. Используется для вычисления коэффициентов масштабирования пропуска и вывода.

Планировщик для согласованного декодера, используемого в конвейерах Stable Diffusion.

Этот планировщик реализует двухшаговый процесс денуазинга с использованием моделей согласованности для декодирования латентных представлений в изображения.

Эта модель наследуется от SchedulerMixin и ConfigMixin. Общие методы, которые библиотека реализует для всех планировщиков, такие как загрузка и сохранение, описаны в документации суперкласса.

scale_model_input[[diffusers.schedulers.ConsistencyDecoderScheduler.scale_model_input]]

scale_model_input(sample: Tensor, timestep: int | None = None)

Источник

Параметры:

sample (torch.Tensor) : Входной образец.

timestep (int, необязательный) : Текущий шаг в цепочке диффузии.

Возвращает: torch.Tensor

Масштабированный входной образец.

Обеспечивает совместимость с планировщиками, которым необходимо масштабировать входную модель денуазинга в зависимости от текущего шага.

шаг[[diffusers.schedulers.ConsistencyDecoderScheduler.step]]

step(model_output: Tensor, timestep: typing.Union[float, torch.Tensor], sample: Tensor, generator: typing.Optional[torch.Generator] = None, return_dict: bool = True)

Источник

Параметры:

model_output (torch.Tensor) : Прямой вывод из обученной диффузионной модели.

timestep (float или torch.Tensor) : Текущий шаг (timestep) в цепочке диффузии.

sample (torch.Tensor) : Текущая инстанция сэмпла, созданная процессом диффузии.

generator (torch.Generator, необязательный) : Генератор случайных чисел для воспроизводимости.

return_dict (bool, необязательный, по умолчанию True) : Возвращать ли ConsistencyDecoderSchedulerOutput или tuple.

Возвращает: ConsistencyDecoderSchedulerOutput или tuple

Если return_dict равно True, возвращается ConsistencyDecoderSchedulerOutput, иначе возвращается кортеж, первым элементом которого является тензор выборки.

Предскажите образец из предыдущего шага времени, обращая SDE. Эта функция распространяет процесс диффузии от выходов обученной модели (чаще всего — предсказанного шума).