Buckets:
| # StableCascadeUNet | |
| [Stable Cascade](../pipelines/stable_cascade) hattından bir UNet modeli. | |
| ## StableCascadeUNet[[diffusers.models.StableCascadeUNet]] | |
| #### diffusers.models.StableCascadeUNet[[diffusers.models.StableCascadeUNet]] | |
| ```python | |
| diffusers.models.StableCascadeUNet(in_channels: int = 16, out_channels: int = 16, timestep_ratio_embedding_dim: int = 64, patch_size: int = 1, conditioning_dim: int = 2048, block_out_channels: tuple = (2048, 2048), num_attention_heads: tuple = (32, 32), down_num_layers_per_block: tuple = (8, 24), up_num_layers_per_block: tuple = (24, 8), down_blocks_repeat_mappers: tuple[int] | None = (1, 1), up_blocks_repeat_mappers: tuple[int] | None = (1, 1), block_types_per_layer: tuple = (('SDCascadeResBlock', 'SDCascadeTimestepBlock', 'SDCascadeAttnBlock'), ('SDCascadeResBlock', 'SDCascadeTimestepBlock', 'SDCascadeAttnBlock')), clip_text_in_channels: int | None = None, clip_text_pooled_in_channels = 1280, clip_image_in_channels: int | None = None, clip_seq = 4, effnet_in_channels: int | None = None, pixel_mapper_in_channels: int | None = None, kernel_size = 3, dropout: float | tuple[float] = (0.1, 0.1), self_attn: bool | tuple[bool] = True, timestep_conditioning_type: tuple = ('sca', 'crp'), switch_level: tuple[bool] | None = None) | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/unets/unet_stable_cascade.py#L136) | |
| #### forward[[diffusers.models.StableCascadeUNet.forward]] | |
| ```python | |
| forward(sample, timestep_ratio, clip_text_pooled, clip_text = None, clip_img = None, effnet = None, pixels = None, sca = None, crp = None, return_dict = True) | |
| ``` | |
| [Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/unets/unet_stable_cascade.py#L538) | |
| **Parametreler:** | |
| sample (`torch.Tensor`) : Gürültülü giriş örneği. | |
| timestep_ratio (`torch.Tensor`) : Timestep gömme (embedding) hesaplamak için kullanılan timestep oranı. | |
| clip_text_pooled (`torch.Tensor`) : Havuzlanmış CLIP metin gömme değerleri. | |
| clip_text (`torch.Tensor`, *isteğe bağlı*) : Dizi düzeyinde CLIP metin gömme değerleri. | |
| clip_img (`torch.Tensor`, *isteğe bağlı*) : CLIP gömme görselleri. | |
| effnet (`torch.Tensor`, *isteğe bağlı*) : Ek koşullandırma olarak kullanılan EfficientNet özellik haritası. | |
| pixels (`torch.Tensor`, *isteğe bağlı*) : Piksel düzeyinde koşullandırma tensörü. `None` ise, sıfırlardan oluşan bir tensör kullanılır. | |
| sca (`torch.Tensor`, *isteğe bağlı*) : Adım gömme (timestep embedding) oluşturmak için kullanılan isteğe bağlı `sca` koşullandırma değeri. | |
| crp (`torch.Tensor`, *isteğe bağlı*) : Adım gömme (timestep embedding) oluşturmak için kullanılan isteğe bağlı `crp` koşullandırma değeri. | |
| return_dict (`bool`, *isteğe bağlı*, varsayılan `True`) : Düz bir tuple yerine `StableCascadeUNetOutput` döndürülüp döndürülmediğini belirtir. | |
| **Dönüş:** | |
| `return_dict` True ise `StableCascadeUNetOutput` döndürülür, aksi halde ilk öğesi örnek tensörü olan bir `tuple` döndürülür. | |
Xet Storage Details
- Size:
- 3.08 kB
- Xet hash:
- 78930a2afb87f4c4a3ea1ec04f7c2c4e0da414cba3b2808d74925595afe2b181
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.