diffusers/main/tr/api/models/lumina_nextdit2d.md

LuminaNextDiT2DModel

Lumina-T2X'ten 2B veriler için Diffusion Transformer modelinin bir sonraki sürümü.

LuminaNextDiT2DModel[[diffusers.LuminaNextDiT2DModel]]

diffusers.LuminaNextDiT2DModel[[diffusers.LuminaNextDiT2DModel]]

diffusers.LuminaNextDiT2DModel(sample_size: int = 128, patch_size: int | None = 2, in_channels: int | None = 4, hidden_size: int | None = 2304, num_layers: int | None = 32, num_attention_heads: int | None = 32, num_kv_heads: int | None = None, multiple_of: int | None = 256, ffn_dim_multiplier: float | None = None, norm_eps: float | None = 1e-05, learn_sigma: bool | None = True, qk_norm: bool | None = True, cross_attention_dim: int | None = 2048, scaling_factor: float | None = 1.0)

Kaynak

Parametreler:

sample_size (int) : Gizil görüntülerin genişliği. Bu, konum gömme sayısını öğrenmek için kullanıldığından eğitim sırasında sabittir.

patch_size (int, isteğe bağlı, (int, isteğe bağlı, varsayılan 2) : Görüntüdeki her yamanın boyutu. Bu parametre, modele beslenen yamaların çözünürlüğünü tanımlar.

in_channels (int, isteğe bağlı, varsayılan 4) : Modelin giriş kanal sayısı. Genellikle bu, giriş görüntülerindeki kanal sayısıyla eşleşir.

hidden_size (int, isteğe bağlı, varsayılan 4096) : Modeldeki gizli katmanların boyutluluğu. Bu parametre, modelin gizli temsillerinin genişliğini belirler.

num_layers (int, isteğe bağlı, varsayılan 32) : Modeldeki katman sayısı. Bu, sinir ağı derinliğini tanımlar.

num_attention_heads (int, isteğe bağlı, varsayılan 32) : Her dikkat katmanındaki dikkat başlarının sayısı. Bu parametre, kaç ayrı dikkat mekanizmasının kullanıldığını belirtir.

num_kv_heads (int, isteğe bağlı, varsayılan 8) : Dikkat mekanizmasındaki anahtar-değer başlarının sayısı, dikkat başlarının sayısından farklıysa. None ise, varsayılan olarak num_attention_heads değerini alır.

multiple_of (int, isteğe bağlı, varsayılan 256) : Gizli boyutun katı olması gereken bir çarpan. Bu, belirli donanım yapılandırmalarını optimize etmeye yardımcı olabilir.

ffn_dim_multiplier (float, isteğe bağlı) : İleri beslemeli ağın boyutluluğu için bir çarpan. None ise, model yapılandırmasına dayalı bir varsayılan değer kullanılır.

norm_eps (float, opsiyonel, varsayılan 1e-5) : Normalizasyon katmanlarında sayısal kararlılık için paydaya eklenen küçük bir değer.

learn_sigma (bool, isteğe bağlı, varsayılan True) : Modelin, tahminlerdeki belirsizlik veya varyansla ilgili olabilecek sigma parametresini öğrenip öğrenmemesi.

qk_norm (bool, isteğe bağlı, varsayılan True) : Dikkat mekanizmasındaki sorguların ve anahtarların normalize edilip edilmeyeceğini belirtir.

cross_attention_dim (int, isteğe bağlı, varsayılan 2048) : Metin gömme boyutluluğu. Bu parametre, modelde kullanılan metin temsilcilerinin boyutunu tanımlar.

scaling_factor (float, isteğe bağlı, varsayılan 1.0) : Modeldeki belirli parametrelere veya katmanlara uygulanan bir ölçekleme faktörü. Bu, modelin işlemlerinin genel ölçeğini ayarlamak için kullanılabilir.

LuminaNextDiT: Transformer omurgalı bir difüzyon modeli.

diffusers'taki StableDiffusionPipeline örnekleme cihazıyla uyumlu olmak için ModelMixin ve ConfigMixin sınıflarından devralın.

forward[[diffusers.LuminaNextDiT2DModel.forward]]

forward(hidden_states: Tensor, timestep: Tensor, encoder_hidden_states: Tensor, encoder_mask: Tensor, image_rotary_emb: Tensor, cross_attention_kwargs: dict = None, return_dict = True)

Kaynak

Parametreler:

hidden_states (torch.Tensor) : (N, C, H, W) biçiminde girdi tensörü.

timestep (torch.Tensor) : (N,) biçiminde difüzyon zaman adımlarını içeren tensör.

encoder_hidden_states (torch.Tensor) : (N, D) biçiminde başlık özellikleri tensörü.

encoder_mask (torch.Tensor) : (N, L) biçiminde başlık maskeleri tensörü.

image_rotary_emb (torch.Tensor) : Ön hesaplanmış döner konumsal gömme (embedding) değerleri.

cross_attention_kwargs (dict, isteğe bağlı) : Belirtilirse, diffusers.models.attention_processor içinde self.processor altında tanımlanan AttentionProcessor'a iletilen bir kwargs sözlüğü.

return_dict (bool, isteğe bağlı, varsayılan True) : Düz bir tuple yerine ~models.transformer_2d.Transformer2DModelOutput döndürülüp döndürülmediğini belirtir.

Dönüş: ~models.transformer_2d.Transformer2DModelOutput veya tuple

return_dict True ise, ~models.transformer_2d.Transformer2DModelOutput döndürülür, aksi takdirde düz bir tuple döndürülür.

LuminaNextDiT'in ileri geçişi.