Buckets:
دوال التنشيط
دوال تفعيل مخصصة لدعم نماذج متنوعة في 🤗 Diffusers.
GELU[[diffusers.models.activations.GELU]]
diffusers.models.activations.GELU[[diffusers.models.activations.GELU]]
diffusers.models.activations.GELU(dim_in: int, dim_out: int, approximate: str = 'none', bias: bool = True)
المعاملات:
dim_in (int) : عدد القنوات في المدخلات.
dim_out (int) : عدد القنوات في المخرجات.
approximate (str، اختياري، القيمة الافتراضية "none") : إذا كانت "tanh"، فاستخدم تقريب tanh.
bias (bool، القيمة الافتراضية True) : ما إذا كان سيتم استخدام انحياز في الطبقة الخطية.
دالة التنشيط GELU مع دعم تقريب tanh باستخدام approximate="tanh".
GEGLU[[diffusers.models.activations.GEGLU]]
diffusers.models.activations.GEGLU[[diffusers.models.activations.GEGLU]]
diffusers.models.activations.GEGLU(dim_in: int, dim_out: int, bias: bool = True)
المعاملات:
dim_in (int) : عدد القنوات في المدخلات.
dim_out (int) : عدد القنوات في المخرجات.
bias (bool، القيمة الافتراضية True) : ما إذا كان سيتم استخدام انحياز في الطبقة الخطية.
نوع متغير من دالة التنشيط للوحدة الخطية البوابة.
ApproximateGELU[[diffusers.models.activations.ApproximateGELU]]
diffusers.models.activations.ApproximateGELU[[diffusers.models.activations.ApproximateGELU]]
diffusers.models.activations.ApproximateGELU(dim_in: int, dim_out: int, bias: bool = True)
المعاملات:
dim_in (int) : عدد القنوات في المدخلات.
dim_out (int) : عدد القنوات في المخرجات.
bias (bool، القيمة الافتراضية True) : ما إذا كان سيتم استخدام انحياز في الطبقة الخطية.
الشكل التقريبي لوحدة الخطأ الغاوسي الخطية (GELU). لمزيد من التفاصيل، راجع القسم 2 من هذا ورقة بحثية.
SwiGLU[[diffusers.models.activations.SwiGLU]]
diffusers.models.activations.SwiGLU[[diffusers.models.activations.SwiGLU]]
diffusers.models.activations.SwiGLU(dim_in: int, dim_out: int, bias: bool = True)
المعاملات:
dim_in (int) : عدد القنوات في المدخلات.
dim_out (int) : عدد القنوات في المخرجات.
bias (bool، القيمة الافتراضية True) : ما إذا كان سيتم استخدام انحياز في الطبقة الخطية.
نوع مشتق من دالة التنشيط المعروفة باسم الوحدة الخطية البوابة. تشبه GEGLU لكنها تستخدم SiLU / Swish بدلاً من GeLU.
FP32SiLU[[diffusers.models.activations.FP32SiLU]]
diffusers.models.activations.FP32SiLU[[diffusers.models.activations.FP32SiLU]]
diffusers.models.activations.FP32SiLU()
دالة التنشيط SiLU مع رفع نوع بيانات المدخلات إلى torch.float32.
LinearActivation[[diffusers.models.activations.LinearActivation]]
diffusers.models.activations.LinearActivation[[diffusers.models.activations.LinearActivation]]
diffusers.models.activations.LinearActivation(dim_in: int, dim_out: int, bias: bool = True, activation: str = 'silu')
Xet Storage Details
- Size:
- 4.37 kB
- Xet hash:
- 44496ad07aa2c1aa26cdeb9d0b2a4f67b2f1533380dfce8716ac550580a6c66a
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.