Buckets:
| # PixArtTransformer2DModel | |
| [PixArt-Alpha](https://huggingface.co/papers/2310.00426) ve [PixArt-Sigma](https://huggingface.co/papers/2403.04692)'dan görüntü benzeri veriler için bir Transformer modeli. | |
| ## PixArtTransformer2DModel[[diffusers.PixArtTransformer2DModel]] | |
| #### diffusers.PixArtTransformer2DModel[[diffusers.PixArtTransformer2DModel]] | |
| ```python | |
| diffusers.PixArtTransformer2DModel(num_attention_heads: int = 16, attention_head_dim: int = 72, in_channels: int = 4, out_channels: int | None = 8, num_layers: int = 28, dropout: float = 0.0, norm_num_groups: int = 32, cross_attention_dim: int | None = 1152, attention_bias: bool = True, sample_size: int = 128, patch_size: int = 2, activation_fn: str = 'gelu-approximate', num_embeds_ada_norm: int | None = 1000, upcast_attention: bool = False, norm_type: str = 'ada_norm_single', norm_elementwise_affine: bool = False, norm_eps: float = 1e-06, interpolation_scale: int | None = None, use_additional_conditions: bool | None = None, caption_channels: int | None = None, attention_type: str | None = 'default') | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/pixart_transformer_2d.py#L32) | |
| **Parametreler:** | |
| num_attention_heads (int, isteğe bağlı, varsayılan 16) : Çok başlı dikkat için kullanılacak baş sayısı. | |
| attention_head_dim (int, isteğe bağlı, varsayılan 72) : Her baştaki kanal sayısı. | |
| in_channels (int, varsayılan 4) : Girdideki kanal sayısı. | |
| out_channels (int, isteğe bağlı) : Çıktıdaki kanal sayısı. Çıktı kanal sayısı girişten farklıysa bu parametreyi belirtin. | |
| num_layers (int, isteğe bağlı, varsayılan 28) : Kullanılacak Transformer bloğu katman sayısı. | |
| dropout (float, isteğe bağlı, varsayılan 0.0) : Transformer blokları içinde kullanılacak dropout olasılığı. | |
| norm_num_groups (int, isteğe bağlı, varsayılan 32) : Transformer blokları içinde grup normalizasyonu için grup sayısı. | |
| cross_attention_dim (int, isteğe bağlı) : Çapraz dikkat katmanları için boyut, genellikle kodlayıcının gizli boyutuyla eşleşir. | |
| attention_bias (bool, isteğe bağlı, varsayılan olarak True) : Transformer bloklarının dikkat (attention) mekanizmasının bir bias (yanal terim) parametresi içermesini yapılandırır. | |
| sample_size (int, varsayılan 128) : Latent görüntülerin genişliği. Bu parametre eğitim sırasında sabittir. | |
| patch_size (int, varsayılan 2) : Modelin işlediği yama boyutu, sıralı olmayan verilerle çalışan mimariler için geçerlidir. | |
| activation_fn (str, isteğe bağlı, varsayılan "gelu-approximate") : Transformer blokları içindeki ileri beslemeli ağlarda kullanılacak aktivasyon fonksiyonu. | |
| num_embeds_ada_norm (int, isteğe bağlı, varsayılan 1000) : AdaLayerNorm için gömme sayısı, eğitim sırasında sabitlenir ve çıkarım sırasında maksimum gürültü azaltma adımlarını etkiler. | |
| upcast_attention (bool, isteğe bağlı, varsayılan olarak False) : True ise, potansiyel olarak daha iyi performans için dikkat mekanizması boyutlarını yukarı dönüştürür. | |
| norm_type (str, isteğe bağlı, varsayılan "ada_norm_zero") : Kullanılan normalizasyon türünü belirtir, 'ada_norm_zero' olabilir. | |
| norm_elementwise_affine (bool, isteğe bağlı, varsayılan olarak False) : True ise, normalizasyon katmanlarında öge bazlı afin parametreleri etkinleştirir. | |
| norm_eps (float, isteğe bağlı, varsayılan 1e-6) : Sıfıra bölünmeyi önlemek için normalizasyon katmanlarında paydaya eklenen küçük bir sabit. | |
| interpolation_scale (int, isteğe bağlı) : Konum gömme (position embeddings) interpolasyonu sırasında kullanılacak ölçek faktörü. | |
| use_additional_conditions (bool, isteğe bağlı) : Girdi olarak ek koşullar kullanılıyorsa. | |
| attention_type (str, isteğe bağlı, varsayılan "default") : Kullanılacak dikkat mekanizmasının türü. | |
| caption_channels (int, isteğe bağlı, varsayılan None) : Başlık gömme projeksiyonu için kullanılacak kanal sayısı. | |
| use_linear_projection (bool, isteğe bağlı, varsayılan olarak False) : Kullanımdan kaldırılmış argüman. Gelecekteki bir sürümde kaldırılacak. | |
| num_vector_embeds (bool, isteğe bağlı, varsayılan olarak False) : Kullanımdan kaldırılmış argüman. Gelecekteki bir sürümde kaldırılacak. | |
| PixArt model ailesinde tanıtılan 2B Transformer modeli (https://huggingface.co/papers/2310.00426, https://huggingface.co/papers/2403.04692). | |
| #### forward[[diffusers.PixArtTransformer2DModel.forward]] | |
| ```python | |
| forward(hidden_states: Tensor, encoder_hidden_states: typing.Optional[torch.Tensor] = None, timestep: typing.Optional[torch.LongTensor] = None, added_cond_kwargs: dict = None, cross_attention_kwargs: dict = None, attention_mask: typing.Optional[torch.Tensor] = None, encoder_attention_mask: typing.Optional[torch.Tensor] = None, return_dict: bool = True) | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/pixart_transformer_2d.py#L227) | |
| **Parametreler:** | |
| hidden_states (`torch.FloatTensor`, şekli `(batch size, channel, height, width)`) : Girdi `hidden_states`. | |
| encoder_hidden_states (`torch.FloatTensor`, şekli `(batch size, sequence len, embed dims)`, *isteğe bağlı*) : Çapraz dikkat katmanı için koşullu gömme değerleri. Verilmezse, çapraz dikkat varsayılan olarak kendine dikkat (self-attention) olarak çalışır. | |
| timestep (`torch.LongTensor`, *isteğe bağlı*) : Gürültü azaltma adımını belirtmek için kullanılır. `AdaLayerNorm` içinde gömme olarak uygulanacak isteğe bağlı zaman adımı. | |
| added_cond_kwargs : (`dict[str, Any]`, *isteğe bağlı*): Girdi olarak kullanılacak ek koşullar. | |
| cross_attention_kwargs ( `dict[str, Any]`, *isteğe bağlı*) : Belirtilirse, [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py) içindeki `self.processor` altında tanımlanan `AttentionProcessor`'ye aktarılan bir kwargs sözlüğü. | |
| attention_mask ( `torch.Tensor`, *isteğe bağlı*) : `(batch, key_tokens)` biçimindeki bir dikkat maskesi, `encoder_hidden_states` üzerine uygulanır. Değer `1` ise maske korunur, aksi halde `0` ise atılır. Maske, "at" token'larına karşılık gelen dikkat puanlarına büyük negatif değerler ekleyen bir önyargıya dönüştürülür. | |
| encoder_attention_mask ( `torch.Tensor`, *isteğe bağlı*) : `encoder_hidden_states` uygulanan çapraz dikkat maskesi. İki format desteklenir: * Mask `(batch, sequence_length)` True = koru, False = at. * Bias `(batch, 1, sequence_length)` 0 = koru, -10000 = at. `ndim == 2` ise: bir maske olarak yorumlanır, ardından yukarıdaki formata uygun bir bias'a dönüştürülür. Bu bias, çapraz dikkat puanlarına eklenir. | |
| return_dict (`bool`, *isteğe bağlı*, varsayılan `True`) : Düz bir tuple yerine [UNet2DConditionOutput](/docs/diffusers/main/tr/api/models/unet2d-cond#diffusers.models.unets.unet_2d_condition.UNet2DConditionOutput) döndürülecek mi? | |
| **Dönüş:** | |
| `return_dict` True ise, `~models.transformer_2d.Transformer2DModelOutput` döndürülür, aksi takdirde ilk öğesi örnek tensörü olan bir `tuple` döndürülür. | |
| [PixArtTransformer2DModel](/docs/diffusers/main/tr/api/models/pixart_transformer2d#diffusers.PixArtTransformer2DModel) ileri yöntemi. | |
| #### fuse_qkv_projections[[diffusers.PixArtTransformer2DModel.fuse_qkv_projections]] | |
| ```python | |
| fuse_qkv_projections() | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/pixart_transformer_2d.py#L196) | |
| Füzyonlu QKV projeksiyonlarını etkinleştirir. Kendi dikkat (self-attention) modülleri için tüm projeksiyon matrisleri (yani sorgu, anahtar, değer) füzyonlanır. Çapraz dikkat (cross-attention) modülleri için anahtar ve değer projeksiyon matrisleri füzyonlanır. | |
| > [!WARNING] > Bu API 🧪 deneyseldir. | |
| #### set_default_attn_processor[[diffusers.PixArtTransformer2DModel.set_default_attn_processor]] | |
| ```python | |
| set_default_attn_processor() | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/pixart_transformer_2d.py#L187) | |
| Özel dikkat işleyicilerini devre dışı bırakır ve varsayılan dikkat uygulamasını ayarlar. | |
| Varsayılan modelde PixArt'ın sıra dışı dikkat işlemcileri olmadığından, yalnızca `AttnProcessor()` kullanmak güvenlidir. | |
| #### unfuse_qkv_projections[[diffusers.PixArtTransformer2DModel.unfuse_qkv_projections]] | |
| ```python | |
| unfuse_qkv_projections() | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/pixart_transformer_2d.py#L218) | |
| Etkinleştirilmişse birleşik QKV projeksiyonunu devre dışı bırakır. | |
| > [!WARNING] > Bu API 🧪 deneyseldir. | |
Xet Storage Details
- Size:
- 8.85 kB
- Xet hash:
- 48ca862b933b9dce7e93708810d164751dbab1fd5e02866286133ce0ff31bdac
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.