diffusers/main/tr/api/models/qwenimage_transformer2d.md

QwenImageTransformer2DModel

Model, aşağıdaki kod parçasıyla yüklenebilir.

from diffusers import QwenImageTransformer2DModel

transformer = QwenImageTransformer2DModel.from_pretrained("Qwen/QwenImage-20B", subfolder="transformer", dtype=torch.bfloat16)

QwenImageTransformer2DModel[[diffusers.QwenImageTransformer2DModel]]

diffusers.QwenImageTransformer2DModel[[diffusers.QwenImageTransformer2DModel]]

diffusers.QwenImageTransformer2DModel(patch_size: int = 2, in_channels: int = 64, out_channels: int | None = 16, num_layers: int = 60, attention_head_dim: int = 128, num_attention_heads: int = 24, joint_attention_dim: int = 3584, guidance_embeds: bool = False, axes_dims_rope: tuple = (16, 56, 56), zero_cond_t: bool = False, use_additional_t_cond: bool = False, use_layer3d_rope: bool = False)

Kaynak

Parametreler:

patch_size (int, varsayılan 2) : Girdi verisini 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 60) : Kullanılacak çift 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 3584) : Ortak dikkat için kullanılacak boyut sayısı (encoder_hidden_states'in gömme/kanal boyutu).

guidance_embeds (bool, varsayılan False) : Modelin rehberlik damıtılmış (guidance-distilled) varyantı için rehberlik gömme (guidance embeddings) kullanılıp kullanılmayacağı.

axes_dims_rope (tuple[int], varsayılan (16, 56, 56)) : Döner konumsal gömme (rotary positional embeddings) için kullanılacak boyutlar.

Qwen'de tanıtılan Transformer modeli.

forward[[diffusers.QwenImageTransformer2DModel.forward]]

forward(hidden_states: Tensor, encoder_hidden_states: Tensor = None, encoder_hidden_states_mask: Tensor = None, timestep: LongTensor = None, img_shapes: list[tuple[int, int, int]] | None = None, guidance: Tensor = None, attention_kwargs: dict[str, typing.Any] | None = None, controlnet_block_samples = None, additional_t_cond = None, return_dict: bool = True)

Kaynak

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).

encoder_hidden_states_mask (torch.Tensor, şekli (batch_size, text_sequence_length), isteğe bağlı) : Kodlayıcı gizli durumları için maske. Geçerli jetonlar için 1.0, dolgu jetonları için 0.0 değerine sahip olması beklenir. Dikkat işleyicisinde dolgu jetonlarına dikkat edilmesini önlemek için kullanılır. Dikkatte eleman bazlı uygulandığından, maske herhangi bir desene sahip olabilir (yalnızca ardışık geçerli jetonların ardından dolgu gelmek zorunda değildir).

timestep ( torch.LongTensor) : Gürültü azaltma adımını belirtmek için kullanılır.

img_shapes (list[tuple[int, int, int]], isteğe bağlı) : RoPE hesaplama için görüntü şekilleri.

guidance (torch.Tensor, isteğe bağlı) : Koşullu üretim için yönlendirme tensörü.

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

controlnet_block_samples (isteğe bağlı) : Transformer bloklarına eklenecek ControlNet blok örnekleri.

additional_t_cond (torch.Tensor, isteğe bağlı) : Zaman adımı gömülmesine eklenen ek zaman adımı koşullandırması.

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.

QwenTransformer2DModel ileri yöntemi.

Transformer2DModelOutput[[diffusers.models.modeling_outputs.Transformer2DModelOutput]]

diffusers.models.modeling_outputs.Transformer2DModelOutput[[diffusers.models.modeling_outputs.Transformer2DModelOutput]]

diffusers.models.modeling_outputs.Transformer2DModelOutput(sample: torch.Tensor)

Kaynak

Parametreler:

sample (torch.Tensor, şekli (batch_size, num_channels, height, width) veya Transformer2DModel ayrık (discrete) ise (batch size, num_vector_embeds - 1, num_latent_pixels)) : encoder_hidden_states girdisine koşullu gizli durum (hidden states) çıktısı. Ayrık (discrete) ise, gürültüsü olmayan (unnoised) gizli (latent) pikseller için olasılık dağılımlarını döndürür.

Transformer2DModel'nin çıktısı.