Buckets:
| # SD3 Dönüştürücü Modeli | |
| [Stable Diffusion 3](https://hf.co/papers/2403.03206)'te tanıtılan Transformer modeli. Yeniliği, MMDiT transformer bloğunda yatar. | |
| ## SD3Transformer2DModel[[diffusers.SD3Transformer2DModel]] | |
| #### diffusers.SD3Transformer2DModel[[diffusers.SD3Transformer2DModel]] | |
| ```python | |
| diffusers.SD3Transformer2DModel(sample_size: int = 128, patch_size: int = 2, in_channels: int = 16, num_layers: int = 18, attention_head_dim: int = 64, num_attention_heads: int = 18, joint_attention_dim: int = 4096, caption_projection_dim: int = 1152, pooled_projection_dim: int = 2048, out_channels: int = 16, pos_embed_max_size: int = 96, dual_attention_layers: tuple = (), qk_norm: str | None = None) | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_sd3.py#L79) | |
| **Parametreler:** | |
| sample_size (`int`, varsayılan `128`) : Latentlerin genişlik/yüksekliği. Bu, pozisyon gömme sayısını öğrenmek için kullanıldığından eğitim sırasında sabittir. | |
| patch_size (`int`, varsayılan `2`) : Girdi verisini küçük yamalar (patch) haline getirmek için kullanılan yama boyutu. | |
| in_channels (`int`, varsayılan `16`) : Girdideki gizli kanal sayısı. | |
| num_layers (`int`, varsayılan `18`) : Kullanılacak transformer bloğu katman sayısı. | |
| attention_head_dim (`int`, varsayılan `64`) : Her baştaki kanal sayısı. | |
| num_attention_heads (`int`, varsayılan `18`) : Çok başlı dikkat için kullanılacak baş sayısı. | |
| joint_attention_dim (`int`, varsayılan `4096`) : Ortak metin-görsel dikkati için kullanılacak gömme boyutu. | |
| caption_projection_dim (`int`, varsayılan `1152`) : Başlık gömme vektörlerinin gömme boyutu. | |
| pooled_projection_dim (`int`, varsayılan `2048`) : Havuzlanmış metin projeksiyonlarının gömme boyutu. | |
| out_channels (`int`, varsayılan `16`) : Çıktıdaki gizli kanal sayısı. | |
| pos_embed_max_size (`int`, varsayılan `96`) : Konumsal gömme (positional embeddings) için en yüksek gizli (latent) yükseklik/genişlik. | |
| dual_attention_layers (`tuple[int, ...]`, varsayılan `()`) : Kullanılacak çift akışlı dönüştürücü bloklarının sayısı. | |
| qk_norm (`str`, *isteğe bağlı*, varsayılan `None`) : Dikkat katmanında sorgu ve anahtar için kullanılacak normalizasyon. `None` ise normalizasyon kullanılmaz. | |
| [Stable Diffusion 3](https://huggingface.co/papers/2403.03206)'te tanıtılan Transformer modeli. | |
| #### enable_forward_chunking[[diffusers.SD3Transformer2DModel.enable_forward_chunking]] | |
| ```python | |
| enable_forward_chunking(chunk_size: int | None = None, dim: int = 0) | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_sd3.py#L175) | |
| **Parametreler:** | |
| chunk_size (`int`, *opsiyonel*) : Feed-forward katmanlarının parça boyutu. Belirtilmezse, feed-forward katmanı `dim` boyutlu her tensör üzerinde ayrı ayrı çalıştırılır. | |
| dim (`int`, *isteğe bağlı*, varsayılan `0`) : Feed-forward hesaplamanın parçalanacağı boyut. dim=0 (batch) veya dim=1 (sequence length) arasında seçim yapın. | |
| Dikkat işleyicisini [feed forward chunking](https://huggingface.co/blog/reformer#2-chunked-feed-forward-layers) kullanacak şekilde ayarlar. | |
| #### forward[[diffusers.SD3Transformer2DModel.forward]] | |
| ```python | |
| forward(hidden_states: Tensor, encoder_hidden_states: Tensor = None, pooled_projections: Tensor = None, timestep: LongTensor = None, block_controlnet_hidden_states: list = None, joint_attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True, skip_layers: list[int] | None = None) | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_sd3.py#L248) | |
| **Parametreler:** | |
| hidden_states (`torch.Tensor`, şekli `(batch size, channel, height, width)`) : Girdi `hidden_states`. | |
| encoder_hidden_states (`torch.Tensor`, şekli `(batch size, sequence_len, embed_dims)`) : Kullanılacak koşullu gömlemeler (giriş koşullarından, örneğin istemlerden hesaplanan gömlemeler). | |
| pooled_projections (`torch.Tensor`, şekli `(batch_size, projection_dim)`) : Girdi koşullarının gömülme değerlerinden yansıtılan gömülme değerleri. | |
| timestep (`torch.LongTensor`) : Gürültü azaltma adımını belirtmek için kullanılır. | |
| block_controlnet_hidden_states (`list` of `torch.Tensor`) : Belirtilirse, transformer bloklarının artıklarına eklenen tensörlerin listesi. | |
| 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. | |
| skip_layers (`list` of `int`, *opsiyonel*) : İleri geçiş sırasında atlanacak katman indekslerinin listesi. | |
| **Dönüş:** | |
| `return_dict` True ise, `~models.transformer_2d.Transformer2DModelOutput` döndürülür, aksi takdirde ilk öğesi örnek tensörü olan bir `tuple` döndürülür. | |
| [SD3Transformer2DModel](/docs/diffusers/main/tr/api/models/sd3_transformer2d#diffusers.SD3Transformer2DModel) ileri yöntemi. | |
| #### fuse_qkv_projections[[diffusers.SD3Transformer2DModel.fuse_qkv_projections]] | |
| ```python | |
| fuse_qkv_projections() | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_sd3.py#L217) | |
| 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. | |
| #### unfuse_qkv_projections[[diffusers.SD3Transformer2DModel.unfuse_qkv_projections]] | |
| ```python | |
| unfuse_qkv_projections() | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_sd3.py#L239) | |
| Etkinleştirilmişse birleşik QKV projeksiyonunu devre dışı bırakır. | |
| > [!WARNING] > Bu API 🧪 deneyseldir. | |
Xet Storage Details
- Size:
- 6.31 kB
- Xet hash:
- 9af3808e8fe8ffa65a347d3660ca0738539331b502e6e228bbcb6da467e2244d
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.