diffusers/main/tr/api/models/unet2d.md

UNet2DModel

UNet modeli, Ronneberger ve arkadaşları tarafından biyomedikal görüntü segmentasyonu için ilk olarak tanıtılmıştır; ancak girdi ile aynı boyutta görüntüler ürettiği için 🤗 Diffusers'ta da yaygın olarak kullanılır. Gerçek difüzyon sürecini kolaylaştırdığı için bir difüzyon sisteminin en önemli bileşenlerinden biridir. 🤗 Diffusers'ta, boyut sayısı ve koşullu bir model olup olmadığına bağlı olarak UNet modelinin çeşitli varyantları bulunur. Bu, 2D bir UNet modelidir.

Makalenin özeti şudur:

Derin ağların başarılı bir şekilde eğitilmesinin binlerce etiketli eğitim örneği gerektirdiği konusunda geniş bir uzlaşı vardır. Bu makalede, mevcut etiketli örneklerin daha verimli kullanılmasını sağlayan, veri artırımının güçlü kullanımına dayanan bir ağ ve eğitim stratejisi sunuyoruz. Mimari, bağlamı yakalamak için daralan bir yol ve hassas konumlandırmayı mümkün kılan simetrik bir genişleyen yoldan oluşmaktadır. Böyle bir ağın çok az sayıda görüntüden uçtan uca eğitilebildiğini ve sinirsel yapıların elektron mikroskobik yığınlarındaki segmentasyonu için ISBI yarışmasında önceki en iyi yöntemi (kayan pencere konvolüsyonel ağ) geride bıraktığını gösteriyoruz. Aynı ağ, iletilen ışık mikroskobu görüntüleri (faz kontrastı ve DIC) üzerinde eğitilerek, bu kategorilerde ISBI hücre takibi yarışması 2015'i büyük bir farkla kazandık. Üstelik ağ hızlıdır. 512x512 boyutundaki bir görüntünün segmentasyonu, güncel bir GPU'da bir saniyeden az sürmektedir. Tam uygulama (Caffe tabanlı) ve eğitilmiş ağlar http://lmb.informatik.uni-freiburg.de/people/ronneber/u-net adresinde mevcuttur.

UNet2DModel[[diffusers.UNet2DModel]]

diffusers.UNet2DModel[[diffusers.UNet2DModel]]

diffusers.UNet2DModel(sample_size: int | tuple[int, int] | None = None, in_channels: int = 3, out_channels: int = 3, center_input_sample: bool = False, time_embedding_type: str = 'positional', time_embedding_dim: int | None = None, freq_shift: int = 0, flip_sin_to_cos: bool = True, down_block_types: tuple = ('DownBlock2D', 'AttnDownBlock2D', 'AttnDownBlock2D', 'AttnDownBlock2D'), mid_block_type: str | None = 'UNetMidBlock2D', up_block_types: tuple = ('AttnUpBlock2D', 'AttnUpBlock2D', 'AttnUpBlock2D', 'UpBlock2D'), block_out_channels: tuple = (224, 448, 672, 896), layers_per_block: int = 2, mid_block_scale_factor: float = 1, downsample_padding: int = 1, downsample_type: str = 'conv', upsample_type: str = 'conv', dropout: float = 0.0, act_fn: str = 'silu', attention_head_dim: int | None = 8, norm_num_groups: int = 32, attn_norm_num_groups: int | None = None, norm_eps: float = 1e-05, resnet_time_scale_shift: str = 'default', add_attention: bool = True, class_embed_type: str | None = None, num_class_embeds: int | None = None, num_train_timesteps: int | None = None)

Kaynak

Parametreler:

sample_size (int veya tuple[int, int], isteğe bağlı, varsayılan None) : Girdi/çıktı örneğinin yüksekliği ve genişliği. Boyutlar, 2 ** (len(block_out_channels) - 1)'in katı olmalıdır.

in_channels (int, isteğe bağlı, varsayılan 3) : Girdi örneğindeki kanal sayısı.

out_channels (int, isteğe bağlı, varsayılan 3) : Çıktıdaki kanal sayısı.

center_input_sample (bool, isteğe bağlı, varsayılan False) : Girdi örneğinin ortalanıp ortalanmayacağını belirtir.

time_embedding_type (str, isteğe bağlı, varsayılan "positional") : Kullanılacak zaman gömme türü.

freq_shift (int, isteğe bağlı, varsayılan 0) : Fourier zaman gömme için frekans kaydırması.

flip_sin_to_cos (bool, isteğe bağlı, varsayılan True) : Fourier zaman gömümünde sin'in cos'a çevrilip çevrilmeyeceğini belirtir.

down_block_types (tuple[str], isteğe bağlı, varsayılan ("DownBlock2D", "AttnDownBlock2D", "AttnDownBlock2D", "AttnDownBlock2D")) : aşağı örneklem bloğu türlerinin bir demeti.

mid_block_type (str, isteğe bağlı, varsayılan "UNetMidBlock2D") : UNet'in orta kısmı için blok türü, UNetMidBlock2D veya None olabilir.

up_block_types (tuple[str], isteğe bağlı, varsayılan ("AttnUpBlock2D", "AttnUpBlock2D", "AttnUpBlock2D", "UpBlock2D")) : örnekleme bloğu türlerinin tuple'ı.

block_out_channels (tuple[int], isteğe bağlı, varsayılan (224, 448, 672, 896)) : blok çıktı kanalları tuple'ı.

layers_per_block (int, isteğe bağlı, varsayılan 2) : Blok başına katman sayısı.

mid_block_scale_factor (float, isteğe bağlı, varsayılan 1) : Orta blok için ölçekleme faktörü.

downsample_padding (int, isteğe bağlı, varsayılan 1) : Downsample konvolüsyonu için dolgu.

downsample_type (str, isteğe bağlı, varsayılan conv) : Küçültme katmanları için küçültme türü. "conv" ve "resnet" arasında seçim yapın

upsample_type (str, isteğe bağlı, varsayılan conv) : Yukarı örneklemeye katmanları için yukarı örneklem türü. "conv" ve "resnet" arasında seçim yapın

dropout (float, opsiyonel, varsayılan 0.0) : Kullanılacak dropout olasılığı.

act_fn (str, isteğe bağlı, varsayılan "silu") : Kullanılacak aktivasyon fonksiyonu.

attention_head_dim (int, isteğe bağlı, varsayılan 8) : Dikkat başı boyutu.

norm_num_groups (int, isteğe bağlı, varsayılan 32) : Normalizasyon için grup sayısı.

attn_norm_num_groups (int, isteğe bağlı, varsayılan None) : Bir tamsayıya ayarlanırsa, orta bloktaki Attention katmanında, verilen grup sayısı ile bir group norm katmanı oluşturulur. None olarak bırakılırsa, group norm katmanı yalnızca resnet_time_scale_shift default olarak ayarlanmışsa oluşturulur ve oluşturulursa norm_num_groups grup içerir.

norm_eps (float, isteğe bağlı, varsayılan 1e-5) : Normalizasyon için epsilon.

resnet_time_scale_shift (str, isteğe bağlı, varsayılan "default") : ResNet blokları için zaman ölçeği kaydırma yapılandırması (bkz. ResnetBlock2D). default veya scale_shift seçeneklerinden birini seçin.

class_embed_type (str, isteğe bağlı, varsayılan None) : Zaman gömme değerleriyle nihayetinde toplanacak sınıf gömme türü. None, "timestep" veya "identity" seçeneklerinden birini seçin.

num_class_embeds (int, isteğe bağlı, varsayılan None) : class_embed_type None olduğunda sınıf koşullandırması yapılırken time_embed_dim'e yansıtılacak öğrenilebilir gömme matrisinin giriş boyutu.

Gürültülü bir örnek ve bir zaman adımı alır ve örnek biçiminde bir çıktı döndüren 2B UNet modeli.

Bu model ModelMixin sınıfından devralır. Tüm modeller için uygulanan genel yöntemlerini (indirme veya kaydetme gibi) görmek için üst sınıfın belgelendirmesine bakın.

forward[[diffusers.UNet2DModel.forward]]

forward(sample: Tensor, timestep: typing.Union[torch.Tensor, float, int], class_labels: typing.Optional[torch.Tensor] = None, return_dict: bool = True)

Kaynak

Parametreler:

sample (torch.Tensor) : Şekli (batch, channel, height, width) olan gürültülü giriş tensörü.

timestep (torch.Tensor veya float veya int) : Bir girdinin gürültüsünü gidermek için kullanılacak zaman adımı sayısı.

class_labels (torch.Tensor, isteğe bağlı, varsayılan None) : Koşullandırma için isteğe bağlı sınıf etiketleri. Gömümleri, zaman adımları gömümleriyle toplanır.

return_dict (bool, isteğe bağlı, varsayılan True) : Düz bir tuple yerine UNet2DOutput döndürülüp döndürülmemesi.

Dönüş: UNet2DOutput veya tuple

return_dict True ise bir UNet2DOutput döndürülür, aksi takdirde ilk öğesi örnek tensörü olan bir tuple döndürülür.

UNet2DModel ileri yöntemi.

UNet2DOutput[[diffusers.models.unets.unet_2d.UNet2DOutput]]

diffusers.models.unets.unet_2d.UNet2DOutput[[diffusers.models.unets.unet_2d.UNet2DOutput]]

diffusers.models.unets.unet_2d.UNet2DOutput(sample: Tensor)

Kaynak

Parametreler:

sample (torch.Tensor, şekli (batch_size, num_channels, height, width)) : Modelin son katmanından çıkan gizli durumlar.

UNet2DModel'in çıktısı.