diffusers/main/vi/api/schedulers/multistep_dpm_solver.md

DPMSolverMultistepScheduler

DPMSolverMultistepScheduler là một scheduler đa bước từ DPM-Solver: A Fast ODE Solver for Diffusion Probabilistic Model Sampling in Around 10 Steps và DPM-Solver++: Fast Solver for Guided Sampling of Diffusion Probabilistic Models của Cheng Lu, Yuhao Zhou, Fan Bao, Jianfei Chen, Chongxuan Li và Jun Zhu.

DPMSolver (và phiên bản cải tiến DPMSolver++) là bộ giải bậc cao chuyên dụng, tốc độ cao cho các phương trình vi phân thường (ODE) của mô hình khuếch tán, với bảo đảm bậc hội tụ. Về mặt thực nghiệm, việc lấy mẫu bằng DPMSolver chỉ với 20 bước có thể tạo ra các mẫu chất lượng cao, và nó vẫn có thể tạo ra các mẫu khá tốt ngay cả khi chỉ dùng 10 bước.

Mẹo

Khuyến nghị đặt solver_order thành 2 cho guide sampling, và solver_order=3 cho unconditional sampling.

Ngưỡng động từ Imagen được hỗ trợ, và đối với các mô hình khuếch tán trong không gian pixel, bạn có thể đặt cả algorithm_type="dpmsolver++" và thresholding=True để sử dụng ngưỡng động. Phương pháp ngưỡng này không phù hợp với các mô hình khuếch tán trong không gian ẩn như Stable Diffusion.

Biến thể SDE của DPMSolver và DPM-Solver++ cũng được hỗ trợ, nhưng chỉ dành cho bộ giải bậc nhất và bậc hai. Đây là bộ giải SDE nhanh cho SDE khuếch tán ngược. Khuyến nghị sử dụng sde-dpmsolver++ bậc hai.

DPMSolverMultistepScheduler[[diffusers.DPMSolverMultistepScheduler]]

diffusers.DPMSolverMultistepScheduler[[diffusers.DPMSolverMultistepScheduler]]

diffusers.DPMSolverMultistepScheduler(num_train_timesteps: int = 1000, beta_start: float = 0.0001, beta_end: float = 0.02, beta_schedule: str = 'linear', trained_betas: numpy.ndarray | list[float] | None = None, solver_order: int = 2, prediction_type: typing.Literal['epsilon', 'sample', 'v_prediction', 'flow_prediction'] = 'epsilon', thresholding: bool = False, dynamic_thresholding_ratio: float = 0.995, sample_max_value: float = 1.0, algorithm_type: typing.Literal['dpmsolver', 'dpmsolver++', 'sde-dpmsolver', 'sde-dpmsolver++'] = 'dpmsolver++', solver_type: typing.Literal['midpoint', 'heun'] = 'midpoint', lower_order_final: bool = True, euler_at_final: bool = False, use_karras_sigmas: bool = False, use_exponential_sigmas: bool = False, use_beta_sigmas: bool = False, use_lu_lambdas: bool = False, use_flow_sigmas: bool = False, flow_shift: float = 1.0, final_sigmas_type: typing.Literal['zero', 'sigma_min'] = 'zero', lambda_min_clipped: float = -inf, variance_type: typing.Optional[typing.Literal['learned', 'learned_range']] = None, timestep_spacing: typing.Literal['linspace', 'leading', 'trailing'] = 'linspace', steps_offset: int = 0, rescale_betas_zero_snr: bool = False, use_dynamic_shifting: bool = False, time_shift_type: typing.Literal['exponential'] = 'exponential')

Nguồn

Tham số:

num_train_timesteps (int, mặc định là 1000) : Số bước khuếch tán để huấn luyện mô hình.

beta_start (float, mặc định là 0.0001) : Giá trị beta ban đầu của suy luận.

beta_end (float, mặc định là 0.02) : Giá trị beta cuối cùng.

beta_schedule ("linear", "scaled_linear", hoặc "squaredcos_cap_v2", mặc định là "linear") : Lịch beta, một ánh xạ từ một khoảng beta sang một chuỗi các beta để bước qua mô hình.

trained_betas (np.ndarray, tùy chọn) : Truyền một mảng betas trực tiếp vào constructor để bỏ qua beta_start và beta_end.

solver_order (int, mặc định là 2) : Bậc của DPMSolver, có thể là 1 hoặc 2 hoặc 3. Khuyến nghị sử dụng solver_order=2 cho lấy mẫu có hướng dẫn và solver_order=3 cho lấy mẫu không điều kiện.

prediction_type ("epsilon", "sample", "v_prediction", hoặc "flow_prediction", mặc định là "epsilon") : Kiểu dự đoán của hàm scheduler. epsilon dự đoán nhiễu của quá trình khuếch tán, sample dự đoán trực tiếp mẫu nhiễu, v_prediction dự đoán vận tốc (xem mục 2.4 của bài báo Imagen Video), và flow_prediction dự đoán dòng chảy.

thresholding (bool, mặc định là False) : Có sử dụng phương pháp "dynamic thresholding" hay không. Phương pháp này không phù hợp với các mô hình khuếch tán trong không gian ẩn như Stable Diffusion.

dynamic_thresholding_ratio (float, mặc định là 0.995) : Tỷ lệ cho phương pháp ngưỡng động. Chỉ hợp lệ khi thresholding=True.

sample_max_value (float, mặc định là 1.0) : Giá trị ngưỡng cho ngưỡng động. Chỉ hợp lệ khi thresholding=True và algorithm_type="dpmsolver++".

algorithm_type ("dpmsolver", "dpmsolver++", "sde-dpmsolver", hoặc "sde-dpmsolver++", mặc định là "dpmsolver++") : Kiểu thuật toán cho bộ giải. Kiểu dpmsolver triển khai các thuật toán trong bài báo DPMSolver, và kiểu dpmsolver++ triển khai các thuật toán trong bài báo DPMSolver++. Khuyến nghị sử dụng dpmsolver++ hoặc sde-dpmsolver++ với solver_order=2 cho việc lấy mẫu có hướng dẫn như trong Stable Diffusion.

solver_type ("midpoint" hoặc "heun", mặc định là "midpoint") : Kiểu solver cho solver bậc hai. Kiểu solver ảnh hưởng nhẹ đến chất lượng mẫu, đặc biệt khi số bước nhỏ. Khuyến nghị sử dụng solver midpoint.

lower_order_final (bool, mặc định là True) : Có sử dụng các bộ giải bậc thấp hơn trong các bước cuối cùng hay không. Chỉ hợp lệ cho < 15 bước suy luận. Điều này có thể ổn định việc lấy mẫu của DPMSolver cho các bước < 15, đặc biệt là cho các bước <= 10.

euler_at_final (bool, mặc định là False) : Có sử dụng phương pháp Euler ở bước cuối cùng hay không. Đây là sự đánh đổi giữa độ ổn định số và độ phong phú của chi tiết. Điều này có thể ổn định việc lấy mẫu của biến thể SDE của DPMSolver khi số bước suy luận nhỏ, nhưng đôi khi có thể dẫn đến hiện tượng mờ.

use_karras_sigmas (bool, tùy chọn, mặc định là False) : Có sử dụng Karras sigmas cho kích thước bước trong lịch trình nhiễu trong quá trình lấy mẫu hay không. Nếu True, các sigmas sẽ được xác định theo một chuỗi các mức nhiễu {σi}.

use_exponential_sigmas (bool, tùy chọn, mặc định là False) : Có sử dụng các sigma mũ cho kích thước bước trong lịch trình nhiễu trong quá trình lấy mẫu hay không.

use_beta_sigmas (bool, tuỳ chọn, mặc định là False) : Có sử dụng beta sigmas cho kích thước bước trong lịch trình nhiễu trong quá trình lấy mẫu hay không. Xem Beta Sampling is All You Need để biết thêm thông tin.

use_lu_lambdas (bool, tuỳ chọn, mặc định là False) : Có sử dụng uniform-logSNR cho các bước đề xuất bởi DPM-Solver của Lu trong lịch trình nhiễu trong quá trình lấy mẫu hay không. Nếu True, các sigma và bước thời gian sẽ được xác định theo một chuỗi lambda(t).

use_flow_sigmas (bool, tùy chọn, mặc định là False) : Có sử dụng flow sigmas cho kích thước bước trong lịch trình nhiễu trong quá trình lấy mẫu hay không.

flow_shift (float, optional, mặc định là 1.0) : Giá trị dịch cho lịch trình bước thời gian (timestep schedule) của flow matching.

final_sigmas_type ("zero" hoặc "sigma_min", tùy chọn, mặc định là "zero") : Giá trị sigma cuối cùng cho lịch trình nhiễu trong quá trình lấy mẫu. Nếu là "sigma_min", sigma cuối cùng sẽ giống với sigma cuối cùng trong lịch trình huấn luyện. Nếu là "zero", sigma cuối cùng được đặt thành 0.

lambda_min_clipped (float, mặc định là -inf) : Ngưỡng cắt cho giá trị tối thiểu của lambda(t) để đảm bảo ổn định số. Điều này rất quan trọng đối với lịch nhiễu cosine (squaredcos_cap_v2).

variance_type ("learned" hoặc "learned_range", tùy chọn) : Đặt thành "learned" hoặc "learned_range" cho các mô hình khuếch tán dự đoán phương sai. Nếu được đặt, đầu ra của mô hình sẽ chứa phương sai Gaussian được dự đoán.

timestep_spacing ("linspace", "leading", hoặc "trailing", mặc định là "linspace") : Cách các bước thời gian (timesteps) nên được điều chỉnh. Xem Bảng 2 trong Common Diffusion Noise Schedules and Sample Steps are Flawed để biết thêm thông tin.

steps_offset (int, mặc định là 0) : Một giá trị bù được cộng vào các bước suy luận, theo yêu cầu của một số họ mô hình.

rescale_betas_zero_snr (bool, mặc định là False) : Có nên điều chỉnh lại các hệ số beta để có SNR cuối bằng không hay không. Điều này cho phép mô hình tạo ra các mẫu rất sáng và rất tối thay vì giới hạn ở các mẫu có độ sáng trung bình. Liên quan lỏng lẻo đến --offset_noise.

use_dynamic_shifting (bool, mặc định là False) : Có sử dụng dịch chuyển động (dynamic shifting) cho lịch trình bước thời gian (timestep schedule) hay không.

time_shift_type ("exponential", mặc định là "exponential") : Loại dịch chuyển thời gian được áp dụng khi sử dụng dịch chuyển động.

DPMSolverMultistepScheduler là bộ giải bậc cao chuyên dụng, tốc độ cao cho các phương trình vi phân thường (ODE) của mô hình khuếch tán.

Mô hình này kế thừa từ SchedulerMixin và 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.

add_noise[[diffusers.DPMSolverMultistepScheduler.add_noise]]

add_noise(original_samples: Tensor, noise: Tensor, timesteps: IntTensor)

Nguồn

Tham số:

original_samples (torch.Tensor) : Các mẫu gốc không có nhiễu.

noise (torch.Tensor) : Nhiễu cần thêm vào các mẫu.

timesteps (torch.IntTensor) : Các bước thời gian (timesteps) tại đó sẽ thêm nhiễu vào các mẫu.

Trả về: torch.Tensor

Các mẫu nhiễu.

Thêm nhiễu vào các mẫu gốc theo lịch trình nhiễu tại các bước thời gian được chỉ định.

convert_model_output[[diffusers.DPMSolverMultistepScheduler.convert_model_output]]

convert_model_output(model_output: Tensor, *args, sample: typing.Optional[torch.Tensor] = None, **kwargs)

Nguồn

Tham số:

model_output (torch.Tensor) : Đầu ra trực tiếp từ mô hình khuếch tán đã học.

sample (torch.Tensor, tùy chọn) : Một bản thể hiện hiện tại của một mẫu được tạo ra bởi quá trình khuếch tán.

Trả về: torch.Tensor

Đầu ra của mô hình đã được chuyển đổi.

Chuyển đổi đầu ra của mô hình sang kiểu dữ liệu tương ứng mà thuật toán DPMSolver/DPMSolver++ cần. DPM-Solver được thiết kế để rời rạc hóa một tích phân của mô hình dự đoán nhiễu, và DPM-Solver++ được thiết kế để rời rạc hóa một tích phân của mô hình dự đoán dữ liệu.

> Thuật toán và loại mô hình được tách rời. Bạn có thể sử dụng DPMSolver hoặc DPMSolver++ cho cả noise > prediction và các mô hình dự đoán dữ liệu.

dpm_solver_first_order_update[[diffusers.DPMSolverMultistepScheduler.dpm_solver_first_order_update]]

dpm_solver_first_order_update(model_output: Tensor, *args, sample: typing.Optional[torch.Tensor] = None, noise: typing.Optional[torch.Tensor] = None, **kwargs)

Nguồn

Tham số:

model_output (torch.Tensor) : Đầu ra trực tiếp từ mô hình khuếch tán đã học.

sample (torch.Tensor, tùy chọn) : Một bản thể hiện hiện tại của một mẫu được tạo ra bởi quá trình khuếch tán.

noise (torch.Tensor, tùy chọn) : Tensor nhiễu.

Trả về: torch.Tensor

Tensor mẫu tại bước thời gian trước đó.

Một bước cho DPMSolver bậc nhất (tương đương với DDIM).

index_for_timestep[[diffusers.DPMSolverMultistepScheduler.index_for_timestep]]

index_for_timestep(timestep: typing.Union[int, torch.Tensor], schedule_timesteps: typing.Optional[torch.Tensor] = None)

Nguồn

Tham số:

timestep (int hoặc torch.Tensor) : Bước thời gian để tìm chỉ số.

schedule_timesteps (torch.Tensor, tùy chọn) : Lịch trình bước thời gian để tìm kiếm. Nếu là None, sẽ sử dụng self.timesteps.

Trả về: int

Chỉ số của bước thời gian trong lịch trình.

Tìm chỉ số cho một bước thời gian (timestep) cụ thể trong lịch trình.

multistep_dpm_solver_second_order_update[[diffusers.DPMSolverMultistepScheduler.multistep_dpm_solver_second_order_update]]

multistep_dpm_solver_second_order_update(model_output_list: list[torch.Tensor], *args, sample: typing.Optional[torch.Tensor] = None, noise: typing.Optional[torch.Tensor] = None, **kwargs)

Nguồn

Tham số:

model_output_list (list[torch.Tensor]) : Đầu ra trực tiếp từ mô hình khuếch tán đã học tại các bước thời gian hiện tại và sau đó.

sample (torch.Tensor, tùy chọn) : Một bản thể hiện hiện tại của một mẫu được tạo ra bởi quá trình khuếch tán.

noise (torch.Tensor, tùy chọn) : Nhiễu ngẫu nhiên được sử dụng bởi các biến thể bộ giải (sde-*) ngẫu nhiên. Bắt buộc khi algorithm_type được đặt thành một trong số chúng, và không được sử dụng trong các trường hợp khác.

Trả về: torch.Tensor

Tensor mẫu tại bước thời gian trước đó.

Một bước cho DPMSolver đa bước bậc hai.

multistep_dpm_solver_third_order_update[[diffusers.DPMSolverMultistepScheduler.multistep_dpm_solver_third_order_update]]

multistep_dpm_solver_third_order_update(model_output_list: list[torch.Tensor], *args, sample: typing.Optional[torch.Tensor] = None, noise: typing.Optional[torch.Tensor] = None, **kwargs)

Nguồn

Tham số:

model_output_list (list[torch.Tensor]) : Đầu ra trực tiếp từ mô hình khuếch tán đã học tại các bước thời gian hiện tại và sau đó.

sample (torch.Tensor, tùy chọn) : Một bản thể hiện hiện tại của mẫu được tạo ra bởi quá trình khuếch tán.

noise (torch.Tensor, tùy chọn) : Tensor nhiễu.

Trả về: torch.Tensor

Tensor mẫu tại bước thời gian trước đó.

Một bước cho DPMSolver đa bước bậc ba.

scale_model_input[[diffusers.DPMSolverMultistepScheduler.scale_model_input]]

scale_model_input(sample: Tensor, *args, **kwargs)

Nguồn

Tham số:

sample (torch.Tensor) : Mẫu đầu vào.

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.

set_begin_index[[diffusers.DPMSolverMultistepScheduler.set_begin_index]]

set_begin_index(begin_index: int = 0)

Nguồn

Tham số:

begin_index (int, mặc định là 0) : Chỉ số bắt đầu cho trình lập lịch.

Đặt chỉ số bắt đầu cho trình lập lịch. Hàm này nên được chạy từ pipeline trước khi suy luận.

set_timesteps[[diffusers.DPMSolverMultistepScheduler.set_timesteps]]

set_timesteps(num_inference_steps: int = None, device: typing.Union[str, torch.device] = None, mu: float | None = None, timesteps: list[int] | None = None)

Nguồn

Tham số:

num_inference_steps (int, tuỳ chọn) : Số bước khuếch tán được sử dụng khi tạo mẫu bằng một mô hình đã được huấn luyện trước.

device (str hoặc torch.device, tuỳ chọn) : Thiết bị mà các bước thời gian (timesteps) sẽ được chuyển đến. Nếu là None, các bước thời gian sẽ không được chuyển.

mu (float, optional) : Số mũ cho phép dịch thời gian động. Yêu cầu use_dynamic_shifting và time_shift_type là "exponential"; khi được truyền vào, flow_shift sẽ được đặt thành exp(mu).

timesteps (list[int], optional) : Các bước thời gian tùy chỉnh được sử dụng để hỗ trợ lịch trình bước thời gian tùy ý. Nếu là None, các bước thời gian sẽ được tạo dựa trên thuộc tính timestep_spacing. Nếu timesteps được truyền vào, num_inference_steps và sigmas phải là None, và thuộc tính timestep_spacing sẽ bị bỏ qua.

Đặt các bước thời gian rời rạc được sử dụng cho chuỗi khuếch tán (cần chạy trước khi suy luận).

bước[[diffusers.DPMSolverMultistepScheduler.step]]

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

Nguồn

Tham số:

model_output (torch.Tensor) : Đầu ra trực tiếp từ mô hình khuếch tán đã học.

timestep (int hoặc torch.Tensor) : Bước thời gian rời rạc 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.

variance_noise (torch.Tensor, tùy chọn) : Cách thay thế cho việc tạo nhiễu bằng generator bằng cách cung cấp trực tiếp nhiễu cho phương sai. Hữu ích cho các phương pháp như LEdits++.

return_dict (bool, mặc định là True) : Có nên trả về một SchedulerOutput hay tuple hay không.

Trả về: SchedulerOutput hoặc tuple

Nếu return_dict là True, SchedulerOutput 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 mẫu bằng DPMSolver đa bước.

SchedulerOutput[[diffusers.schedulers.scheduling_utils.SchedulerOutput]]

diffusers.schedulers.scheduling_utils.SchedulerOutput[[diffusers.schedulers.scheduling_utils.SchedulerOutput]]

diffusers.schedulers.scheduling_utils.SchedulerOutput(prev_sample: Tensor)

Nguồn

Tham số:

prev_sample (torch.Tensor có shape (batch_size, num_channels, height, width) đối với ảnh) : Mẫu (x_{t-1}) đã tính của bước thời gian trước đó. prev_sample nên được dùng làm đầu vào mô hình tiếp theo trong vòng lặp khử nhiễu.

Lớp cơ sở cho kết quả của hàm step của một trình lập lịch.