diffusers/main/tr/api/schedulers/consistency_decoder.md

ConsistencyDecoderScheduler

Bu zamanlayıcı, ConsistencyDecoderPipeline'in bir parçasıdır ve DALL-E 3'te tanıtılmıştır.

Orijinal kod tabanı openai/consistency_models adresinde bulunabilir.

ConsistencyDecoderScheduler[[diffusers.schedulers.ConsistencyDecoderScheduler]]

diffusers.schedulers.ConsistencyDecoderScheduler[[diffusers.schedulers.ConsistencyDecoderScheduler]]

diffusers.schedulers.ConsistencyDecoderScheduler(num_train_timesteps: int = 1024, sigma_data: float = 0.5)

Kaynak

Parametreler:

num_train_timesteps (int, isteğe bağlı, varsayılan 1024) : Modelin eğitileceği difüzyon adım sayısı.

sigma_data (float, isteğe bağlı, varsayılan 0.5) : Veri dağılımının standart sapması. Atla ve çıktı ölçekleme katsayılarını hesaplamak için kullanılır.

Stable Diffusion hatlarında kullanılan tutarlılık çözücü için bir zamanlayıcı.

Bu zamanlayıcı, gizli temsilleri görüntülere çözmek için tutarlılık modelleri kullanan iki aşamalı gürültü azaltma süreci uygular.

Bu model SchedulerMixin ve ConfigMixin sınıflarından devralır. Kütüphanenin tüm zamanlayıcılar için yükleme ve kaydetme gibi genel yöntemleri uyguladığı üst sınıf belgelendirmesini kontrol edin.

scale_model_input[[diffusers.schedulers.ConsistencyDecoderScheduler.scale_model_input]]

scale_model_input(sample: Tensor, timestep: int | None = None)

Kaynak

Parametreler:

sample (torch.Tensor) : Girdi örneği.

timestep (int, isteğe bağlı) : Difüzyon zincirindeki mevcut zaman adımı.

Dönüş: torch.Tensor

Ölçeklendirilmiş bir girdi örneği.

Gürültüden arındırma modelinin girdisinin mevcut zaman adımına bağlı olarak ölçeklenmesi gereken zamanlayıcılarla değiştirilebilirliği sağlar.

adım[[diffusers.schedulers.ConsistencyDecoderScheduler.step]]

step(model_output: Tensor, timestep: typing.Union[float, torch.Tensor], sample: Tensor, generator: typing.Optional[torch.Generator] = None, return_dict: bool = True)

Kaynak

Parametreler:

model_output (torch.Tensor) : Öğrenen difüzyon modelinden gelen doğrudan çıktı.

timestep (float veya torch.Tensor) : Difüzyon zincirindeki mevcut zaman adımı.

sample (torch.Tensor) : Difüzyon süreci tarafından oluşturulan bir örneğin mevcut bir örneği.

generator (torch.Generator, isteğe bağlı) : Yeniden üretilebilirlik için rastgele sayı üreteci.

return_dict (bool, isteğe bağlı, varsayılan True) : ConsistencyDecoderSchedulerOutput veya tuple döndürülecek mi?

Dönüş: ConsistencyDecoderSchedulerOutput veya tuple

return_dict True ise ConsistencyDecoderSchedulerOutput döndürülür, aksi takdirde bir tuple döndürülür ve bu tuple'ın ilk öğesi örnek tensörüdür.

Önceki zaman adımındaki örneği SDE'yi tersine çevirerek tahmin edin. Bu işlev, öğrenilen model çıktılarını (en sık tahmin edilen gürültüyü) kullanarak difüzyon sürecini ilerletir.