Buckets:
| # ConsistencyDecoderScheduler | |
| Trình lập lịch này là một phần của `ConsistencyDecoderPipeline` và được giới thiệu trong [DALL-E 3](https://openai.com/dall-e-3). | |
| Mã nguồn gốc có thể được tìm thấy tại [openai/consistency_models](https://github.com/openai/consistency_models). | |
| ## ConsistencyDecoderScheduler[[diffusers.schedulers.ConsistencyDecoderScheduler]] | |
| #### diffusers.schedulers.ConsistencyDecoderScheduler[[diffusers.schedulers.ConsistencyDecoderScheduler]] | |
| ```python | |
| diffusers.schedulers.ConsistencyDecoderScheduler(num_train_timesteps: int = 1024, sigma_data: float = 0.5) | |
| ``` | |
| [Nguồn](https://github.com/huggingface/diffusers/blob/main/src/diffusers/schedulers/scheduling_consistency_decoder.py#L80) | |
| **Tham số:** | |
| num_train_timesteps (`int`, *tuỳ chọn*, mặc định là `1024`) : Số bước khuếch tán để huấn luyện mô hình. | |
| sigma_data (`float`, *tuỳ chọn*, mặc định là `0.5`) : Độ lệch chuẩn của phân phối dữ liệu. Được sử dụng để tính các hệ số thu phóng bỏ qua và đầu ra. | |
| Bộ lập lịch cho bộ giải mã nhất quán được sử dụng trong các pipeline Stable Diffusion. | |
| Trình lập lịch này triển khai quy trình khử nhiễu hai bước sử dụng các mô hình nhất quán để giải mã các biểu diễn ẩn thành hình ảnh. | |
| Mô hình này kế thừa từ [SchedulerMixin](/docs/diffusers/main/vi/api/schedulers/overview#diffusers.SchedulerMixin) và [ConfigMixin](/docs/diffusers/main/vi/api/configuration#diffusers.ConfigMixin). Xem tài liệu của lớp cha để biết các phương thức chung mà thư viện triển khai cho tất cả các scheduler, chẳng hạn như tải và lưu. | |
| #### scale_model_input[[diffusers.schedulers.ConsistencyDecoderScheduler.scale_model_input]] | |
| ```python | |
| scale_model_input(sample: Tensor, timestep: int | None = None) | |
| ``` | |
| [Nguồn](https://github.com/huggingface/diffusers/blob/main/src/diffusers/schedulers/scheduling_consistency_decoder.py#L148) | |
| **Tham số:** | |
| sample (`torch.Tensor`) : Mẫu đầu vào. | |
| timestep (`int`, *tùy chọn*) : Bước thời gian hiện tại trong chuỗi khuếch tán. | |
| **Trả về:** `torch.Tensor` | |
| Một mẫu đầu vào đã được chuẩn hóa. | |
| Đảm bảo khả năng hoán đổi với các trình lập lịch cần mở rộng đầu vào của mô hình khử nhiễu tùy thuộc vào bước thời gian hiện tại. | |
| #### bước[[diffusers.schedulers.ConsistencyDecoderScheduler.step]] | |
| ```python | |
| step(model_output: Tensor, timestep: typing.Union[float, torch.Tensor], sample: Tensor, generator: typing.Optional[torch.Generator] = None, return_dict: bool = True) | |
| ``` | |
| [Nguồn](https://github.com/huggingface/diffusers/blob/main/src/diffusers/schedulers/scheduling_consistency_decoder.py#L165) | |
| **Tham số:** | |
| model_output (`torch.Tensor`) : Đầu ra trực tiếp từ mô hình khuếch tán đã học. | |
| timestep (`float` hoặc `torch.Tensor`) : Bước thời gian hiện tại trong chuỗi khuếch tán. | |
| sample (`torch.Tensor`) : Một bản sao mẫu hiện tại được tạo ra bởi quá trình khuếch tán. | |
| generator (`torch.Generator`, *tùy chọn*) : Bộ tạo số ngẫu nhiên để đảm bảo khả năng tái lập. | |
| return_dict (`bool`, *tùy chọn*, mặc định là `True`) : Có nên trả về `ConsistencyDecoderSchedulerOutput` hay `tuple` hay không. | |
| **Trả về:** `ConsistencyDecoderSchedulerOutput` hoặc `tuple` | |
| Nếu `return_dict` là `True`, `ConsistencyDecoderSchedulerOutput` sẽ được trả về, ngược lại một tuple sẽ được trả về trong đó phần tử đầu tiên là tensor mẫu. | |
| Dự đoán mẫu từ bước thời gian trước đó bằng cách đảo ngược SDE. Hàm này lan truyền quá trình khuếch tán từ các đầu ra của mô hình đã học (thường nhất là nhiễu được dự đoán). | |
Xet Storage Details
- Size:
- 3.98 kB
- Xet hash:
- 54aa324c2e8938c511bc6c17afa2be9f803537042ecc9f441304ffc84d256eaf
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.