diffusers/main/vi/api/models/autoencoder_kl_hunyuanimage.md

AutoencoderKLHunyuanImage

Mô hình autoencoder biến phân (VAE) 2D với tổn thất KL được sử dụng trong [HunyuanImage2.1].

Mô hình có thể được tải bằng đoạn mã sau.

from diffusers import AutoencoderKLHunyuanImage

vae = AutoencoderKLHunyuanImage.from_pretrained("hunyuanvideo-community/HunyuanImage-2.1-Diffusers", subfolder="vae", dtype=torch.bfloat16)

AutoencoderKLHunyuanImage[[diffusers.AutoencoderKLHunyuanImage]]

diffusers.AutoencoderKLHunyuanImage[[diffusers.AutoencoderKLHunyuanImage]]

diffusers.AutoencoderKLHunyuanImage(in_channels: int, out_channels: int, latent_channels: int, block_out_channels: tuple[int, ...], layers_per_block: int, spatial_compression_ratio: int, sample_size: int, scaling_factor: float = None, downsample_match_channel: bool = True, upsample_match_channel: bool = True)

Nguồn

Một mô hình VAE cho hình ảnh 2D với hỗ trợ chia ô không gian.

Mô hình này kế thừa từ ModelMixin. Hãy xem tài liệu của lớp cha để biết các phương thức chung được triển khai cho tất cả các mô hình (chẳng hạn như tải xuống hoặc lưu trữ).

decode[[diffusers.AutoencoderKLHunyuanImage.decode]]

decode(z: Tensor, return_dict: bool = True)

Nguồn

Tham số:

z (torch.Tensor) : Lô đầu vào của các vector ẩn.

return_dict (bool, tùy chọn, mặc định là True) : Có nên trả về một ~models.vae.DecoderOutput thay vì một tuple thông thường hay không.

Trả về: ~models.vae.DecoderOutput hoặc tuple

Nếu return_dict là True, một ~models.vae.DecoderOutput sẽ được trả về, ngược lại một tuple thông thường sẽ được trả về.

Giải mã một lô ảnh.

enable_tiling[[diffusers.AutoencoderKLHunyuanImage.enable_tiling]]

enable_tiling(tile_sample_min_size: int | None = None, tile_overlap_factor: float | None = None)

Nguồn

Tham số:

tile_sample_min_size (int, optional) : Kích thước tối thiểu cần thiết để một mẫu được tách thành các ô (tiles) theo chiều không gian.

tile_overlap_factor (float, optional) : Hệ số chồng chéo cần thiết để một latent được tách thành các ô (tiles) theo chiều không gian.

Bật giải mã VAE theo ô không gian. Khi tùy chọn này được bật, VAE sẽ chia tensor đầu vào thành các ô để tính toán giải mã và mã hóa qua nhiều bước. Điều này hữu ích để tiết kiệm một lượng lớn bộ nhớ và cho phép xử lý các hình ảnh lớn hơn.

encode[[diffusers.AutoencoderKLHunyuanImage.encode]]

encode(x: Tensor, return_dict: bool = True)

Nguồn

Tham số:

x (torch.Tensor) : Lô đầu vào của các hình ảnh.

return_dict (bool, tùy chọn, mặc định là True) : Có nên trả về một ~models.autoencoder_kl.AutoencoderKLOutput thay vì một tuple thông thường hay không.

Trả về:

Các biểu diễn ẩn của các video đã được mã hóa. Nếu return_dict là True, một ~models.autoencoder_kl.AutoencoderKLOutput sẽ được trả về, ngược lại một tuple thông thường sẽ được trả về.

Mã hóa một lô ảnh thành các biến ẩn.

forward[[diffusers.AutoencoderKLHunyuanImage.forward]]

forward(sample: Tensor, sample_posterior: bool = False, return_dict: bool = True, generator: typing.Optional[torch.Generator] = None)

Nguồn

Tham số:

sample (torch.Tensor) : Mẫu đầu vào.

sample_posterior (bool, tùy chọn, mặc định là False) : Có lấy mẫu từ phân phối hậu nghiệm hay không.

return_dict (bool, tùy chọn, mặc định là True) : Có nên trả về một DecoderOutput thay vì một tuple thông thường hay không.

generator (torch.Generator, tùy chọn) : Một torch.Generator để làm cho việc lấy mẫu trở nên tất định.

Trả về: ~models.vae.DecoderOutput hoặc tuple

Nếu return_dict là True, một ~models.vae.DecoderOutput sẽ được trả về, ngược lại một tuple thông thường sẽ được trả về.

tiled_decode[[diffusers.AutoencoderKLHunyuanImage.tiled_decode]]

tiled_decode(z: Tensor, return_dict: bool = True)

Nguồn

Tham số:

z (torch.Tensor) : Tensor tiềm ẩn có hình dạng (B, C, H, W).

return_dict (bool, tùy chọn, mặc định là True) : Có nên trả về một ~models.vae.DecoderOutput thay vì một tuple thông thường hay không.

Trả về: ~models.vae.DecoderOutput hoặc tuple

Nếu return_dict là True, một ~models.vae.DecoderOutput sẽ được trả về, ngược lại một tuple thông thường sẽ được trả về.

Giải mã ẩn bằng chiến lược lát hóa không gian.

tiled_encode[[diffusers.AutoencoderKLHunyuanImage.tiled_encode]]

tiled_encode(x: Tensor)

Nguồn

Tham số:

x (torch.Tensor) : Tensor đầu vào có hình dạng (B, C, T, H, W).

Trả về: torch.Tensor

Biểu diễn ẩn của các hình ảnh đã được mã hóa.

Mã hóa đầu vào bằng chiến lược lát hóa không gian.

DecoderOutput[[diffusers.models.autoencoders.vae.DecoderOutput]]

diffusers.models.autoencoders.vae.DecoderOutput[[diffusers.models.autoencoders.vae.DecoderOutput]]

diffusers.models.autoencoders.vae.DecoderOutput(sample: Tensor, commit_loss: typing.Optional[torch.FloatTensor] = None)

Nguồn

Tham số:

sample (torch.Tensor có shape (batch_size, num_channels, height, width)) : Mẫu đầu ra đã giải mã từ lớp cuối cùng của mô hình.

Đầu ra của phương pháp giải mã.