Buckets:
| # OvisImageTransformer2DModel | |
| Model, aşağıdaki kod parçasıyla yüklenebilir. | |
| ```python | |
| from diffusers import OvisImageTransformer2DModel | |
| transformer = OvisImageTransformer2DModel.from_pretrained("AIDC-AI/Ovis-Image-7B", subfolder="transformer", dtype=torch.bfloat16) | |
| ``` | |
| ## OvisImageTransformer2DModel[[diffusers.OvisImageTransformer2DModel]] | |
| #### diffusers.OvisImageTransformer2DModel[[diffusers.OvisImageTransformer2DModel]] | |
| ```python | |
| diffusers.OvisImageTransformer2DModel(patch_size: int = 1, in_channels: int = 64, out_channels: int | None = 64, num_layers: int = 6, num_single_layers: int = 27, attention_head_dim: int = 128, num_attention_heads: int = 24, joint_attention_dim: int = 2048, axes_dims_rope: tuple = (16, 56, 56)) | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_ovis_image.py#L384) | |
| **Parametreler:** | |
| patch_size (`int`, varsayılan `1`) : Girdi verilerini küçük yamalar (patch) haline getirmek için kullanılan yama boyutu. | |
| in_channels (`int`, varsayılan `64`) : Girdideki kanal sayısı. | |
| out_channels (`int`, *isteğe bağlı*, varsayılan `None`) : Çıktıdaki kanal sayısı. Belirtilmezse, varsayılan olarak `in_channels` değerini alır. | |
| num_layers (`int`, varsayılan `6`) : Kullanılacak çift akışlı DiT bloklarının katman sayısı. | |
| num_single_layers (`int`, varsayılan `27`) : Kullanılacak tek akışlı DiT bloklarının katman sayısı. | |
| attention_head_dim (`int`, varsayılan `128`) : Her dikkat başlığı için kullanılacak boyut sayısı. | |
| num_attention_heads (`int`, varsayılan `24`) : Kullanılacak dikkat başı sayısı. | |
| joint_attention_dim (`int`, varsayılan `2048`) : Ortak dikkat için kullanılacak boyut sayısı (`encoder_hidden_states`'in gömme/kanal boyutu). | |
| axes_dims_rope (`tuple[int]`, varsayılan `(16, 56, 56)`) : Döner konumsal gömme (rotary positional embeddings) için kullanılacak boyutlar. | |
| Ovis-Image'de tanıtılan Transformer modeli. | |
| Referans: https://github.com/AIDC-AI/Ovis-Image | |
| #### forward[[diffusers.OvisImageTransformer2DModel.forward]] | |
| ```python | |
| forward(hidden_states: Tensor, encoder_hidden_states: Tensor = None, timestep: LongTensor = None, img_ids: Tensor = None, txt_ids: Tensor = None, joint_attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True) | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_ovis_image.py#L476) | |
| **Parametreler:** | |
| hidden_states (`torch.Tensor`, şekli `(batch_size, image_sequence_length, in_channels)`) : Girdi `hidden_states`. | |
| encoder_hidden_states (`torch.Tensor`, şekli `(batch_size, text_sequence_length, joint_attention_dim)`) : Kullanılacak koşullu gömlemeler (promptlar gibi girdi koşullarından hesaplanan gömlemeler). | |
| timestep (`torch.LongTensor`) : Gürültü azaltma adımını belirtmek için kullanılır. | |
| img_ids : (`torch.Tensor`): Görsel jetonlar için konum kimlikleri. | |
| txt_ids (`torch.Tensor`) : Metin belirteçleri için konum kimlikleri. | |
| joint_attention_kwargs (`dict`, *isteğe bağlı*) : Belirtilirse, [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py) 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:** | |
| `return_dict` True ise, `~models.transformer_2d.Transformer2DModelOutput` döndürülür, aksi takdirde ilk öğesi örnek tensörü olan bir `tuple` döndürülür. | |
| [OvisImageTransformer2DModel](/docs/diffusers/main/tr/api/models/ovisimage_transformer2d#diffusers.OvisImageTransformer2DModel) ileri yöntemi. | |
Xet Storage Details
- Size:
- 3.87 kB
- Xet hash:
- 115ca8f70b0345e348ead49e5cc454441628f22715c4d57029b825fb84ac2bfb
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.