Buckets:
| # AutoencoderKLHunyuanImage | |
| [HunyuanImage2.1]'de kullanılan KL kaybına sahip 2B varyasyonel otoenkoder (VAE) modeli. | |
| Model, aşağıdaki kod parçasıyla yüklenebilir. | |
| ```python | |
| from diffusers import AutoencoderKLHunyuanImage | |
| vae = AutoencoderKLHunyuanImage.from_pretrained("hunyuanvideo-community/HunyuanImage-2.1-Diffusers", subfolder="vae", dtype=torch.bfloat16) | |
| ``` | |
| ## AutoencoderKLHunyuanImage[[diffusers.AutoencoderKLHunyuanImage]] | |
| #### diffusers.AutoencoderKLHunyuanImage[[diffusers.AutoencoderKLHunyuanImage]] | |
| ```python | |
| diffusers.AutoencoderKLHunyuanImage(in_channels: int, out_channels: int, latent_channels: int, block_out_channels: tuple, layers_per_block: int, spatial_compression_ratio: int, sample_size: int, scaling_factor: float = None, downsample_match_channel: bool = True, upsample_match_channel: bool = True) | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/autoencoders/autoencoder_kl_hunyuanimage.py#L412) | |
| Mekansal karoları (spatial tiling) destekleyen 2B görüntüler için bir VAE modeli. | |
| Bu model [ModelMixin](/docs/diffusers/main/tr/api/models/overview#diffusers.ModelMixin) sınıfından devralır. Tüm modeller için uygulanan genel yöntemlerini (indirme veya kaydetme gibi) görmek için üst sınıfın belgelendirmesine bakın. | |
| #### decode[[diffusers.AutoencoderKLHunyuanImage.decode]] | |
| ```python | |
| decode(z: Tensor, return_dict: bool = True) | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/autoencoders/autoencoder_kl_hunyuanimage.py#L540) | |
| **Parametreler:** | |
| z (`torch.Tensor`) : Gizil vektörlerin giriş partisi. | |
| return_dict (`bool`, *isteğe bağlı*, varsayılan `True`) : Düz bir tuple yerine `~models.vae.DecoderOutput` döndürülüp döndürülmemesi. | |
| **Dönüş:** `~models.vae.DecoderOutput` veya `tuple` | |
| return_dict True ise, `~models.vae.DecoderOutput` döndürülür, aksi takdirde düz bir `tuple` döndürülür. | |
| Bir görüntü grubunu çözümlen. | |
| #### enable_tiling[[diffusers.AutoencoderKLHunyuanImage.enable_tiling]] | |
| ```python | |
| enable_tiling(tile_sample_min_size: int | None = None, tile_overlap_factor: float | None = None) | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/autoencoders/autoencoder_kl_hunyuanimage.py#L467) | |
| **Parametreler:** | |
| tile_sample_min_size (`int`, *isteğe bağlı*) : Bir örneğin uzamsal boyut boyunca karolara ayrılabilmesi için gereken minimum boyut. | |
| tile_overlap_factor (`float`, *isteğe bağlı*) : Bir latentin uzamsal boyut boyunca karolara ayrılabilmesi için gereken örtüşme faktörü. | |
| Uzamsal karolalı VAE çözümlemesini etkinleştirir. Bu seçenek etkinleştirildiğinde, VAE, çözümleme ve kodlamayı birden fazla adımda hesaplamak için girdi tensörünü karolalara böler. Bu, büyük miktarda bellek tasarrufu sağlamak ve daha büyük görüntülerin işlenmesine olanak tanımak için faydalıdır. | |
| #### encode[[diffusers.AutoencoderKLHunyuanImage.encode]] | |
| ```python | |
| encode(x: Tensor, return_dict: bool = True) | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/autoencoders/autoencoder_kl_hunyuanimage.py#L499) | |
| **Parametreler:** | |
| x (`torch.Tensor`) : Giriş görüntü partisi. | |
| return_dict (`bool`, *isteğe bağlı*, varsayılan `True`) : Düz bir tuple yerine `~models.autoencoder_kl.AutoencoderKLOutput` döndürülüp döndürülmediğini belirtir. | |
| **Dönüş:** | |
| Kodlanmış videoların gizil (latent) temsilleri. `return_dict` True ise bir `~models.autoencoder_kl.AutoencoderKLOutput` döndürülür, aksi halde düz bir `tuple` döndürülür. | |
| Bir görüntü grubunu latentlere kodlayın. | |
| #### forward[[diffusers.AutoencoderKLHunyuanImage.forward]] | |
| ```python | |
| forward(sample: Tensor, sample_posterior: bool = False, return_dict: bool = True, generator: typing.Optional[torch.Generator] = None) | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/autoencoders/autoencoder_kl_hunyuanimage.py#L667) | |
| **Parametreler:** | |
| sample (`torch.Tensor`) : Girdi örneği. | |
| sample_posterior (`bool`, *isteğe bağlı*, varsayılan `False`) : Posterior'dan örneklemeye alınıp alınmayacağı. | |
| return_dict (`bool`, *isteğe bağlı*, varsayılan `True`) : Düz bir tuple yerine `DecoderOutput` döndürülüp döndürülmemesi. | |
| generator (`torch.Generator`, *isteğe bağlı*) : Örnekleme işlemini deterministik hale getirmek için kullanılan bir [`torch.Generator`](https://pytorch.org/docs/stable/generated/torch.Generator.html). | |
| **Dönüş:** `~models.vae.DecoderOutput` veya `tuple` | |
| `return_dict` True ise, `~models.vae.DecoderOutput` döndürülür; aksi halde düz bir `tuple` döndürülür. | |
| #### tiled_decode[[diffusers.AutoencoderKLHunyuanImage.tiled_decode]] | |
| ```python | |
| tiled_decode(z: Tensor, return_dict: bool = True) | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/autoencoders/autoencoder_kl_hunyuanimage.py#L622) | |
| **Parametreler:** | |
| z (`torch.Tensor`) : (B, C, H, W) biçiminde gizli tensör. | |
| return_dict (`bool`, *isteğe bağlı*, varsayılan `True`) : Düz bir tuple yerine `~models.vae.DecoderOutput` döndürülecek mi? | |
| **Dönüş:** `~models.vae.DecoderOutput` veya `tuple` | |
| return_dict True ise, `~models.vae.DecoderOutput` döndürülür, aksi takdirde düz bir `tuple` döndürülür. | |
| Gizli değişkenleri (latent) uzamsal karolama (spatial tiling) stratejisiyle çözümlenir. | |
| #### tiled_encode[[diffusers.AutoencoderKLHunyuanImage.tiled_encode]] | |
| ```python | |
| tiled_encode(x: Tensor) | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/autoencoders/autoencoder_kl_hunyuanimage.py#L582) | |
| **Parametreler:** | |
| x (`torch.Tensor`) : (B, C, T, H, W) biçiminde girdi tensörü. | |
| **Dönüş:** `torch.Tensor` | |
| Kodlanmış görüntülerin gizil (latent) temsili. | |
| Girdiyi uzamsal karolarlama (spatial tiling) stratejisini kullanarak kodlayın. | |
| ## DecoderOutput[[diffusers.models.autoencoders.vae.DecoderOutput]] | |
| #### diffusers.models.autoencoders.vae.DecoderOutput[[diffusers.models.autoencoders.vae.DecoderOutput]] | |
| ```python | |
| diffusers.models.autoencoders.vae.DecoderOutput(sample: Tensor, commit_loss: typing.Optional[torch.FloatTensor] = None) | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/autoencoders/vae.py#L49) | |
| **Parametreler:** | |
| sample (`torch.Tensor`, şekli `(batch_size, num_channels, height, width)`) : Modelin son katmanından çözümlenmiş çıktı örneği. | |
| Çözümleme yönteminin çıktısı. | |
Xet Storage Details
- Size:
- 6.57 kB
- Xet hash:
- 273f9aa4b8c007bee9c497fd104181526c6a9398cb311d6fcc506e18039fec4b
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.