Buckets:
| # AutoencoderKLWan | |
| El modelo de autoencoder variacional (VAE) 3D con pérdida KL utilizado en [Wan 2.1](https://github.com/Wan-Video/Wan2.1) por el equipo Wan de Alibaba. | |
| El modelo se puede cargar con el siguiente fragmento de código. | |
| ```python | |
| from diffusers import AutoencoderKLWan | |
| vae = AutoencoderKLWan.from_pretrained("Wan-AI/Wan2.1-T2V-1.3B-Diffusers", subfolder="vae", dtype=torch.float32) | |
| ``` | |
| ## AutoencoderKLWan[[diffusers.AutoencoderKLWan]] | |
| #### diffusers.AutoencoderKLWan[[diffusers.AutoencoderKLWan]] | |
| ```python | |
| diffusers.AutoencoderKLWan(base_dim: int = 96, decoder_base_dim: int | None = None, z_dim: int = 16, dim_mult: list[int] = [1, 2, 4, 4], num_res_blocks: int = 2, attn_scales: list[float] = [], temperal_downsample: list[bool] = [False, True, True], dropout: float = 0.0, latents_mean: list[float] = [-0.7571, -0.7089, -0.9113, 0.1075, -0.1745, 0.9653, -0.1517, 1.5508, 0.4134, -0.0715, 0.5517, -0.3632, -0.1922, -0.9497, 0.2503, -0.2921], latents_std: list[float] = [2.8184, 1.4541, 2.3275, 2.6558, 1.2196, 1.7708, 2.6052, 2.0743, 3.2687, 2.1526, 2.8652, 1.5579, 1.6382, 1.1253, 2.8251, 1.916], is_residual: bool = False, in_channels: int = 3, out_channels: int = 3, patch_size: int | None = None, scale_factor_temporal: int | None = 4, scale_factor_spatial: int | None = 8) | |
| ``` | |
| [Fuente](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/autoencoders/autoencoder_kl_wan.py#L964) | |
| Un modelo VAE con pérdida KL para codificar videos en latentes y decodificar representaciones latentes en videos. Introducido en [Wan 2.1]. | |
| Este modelo hereda de [ModelMixin](/docs/diffusers/v0.43.0/es/api/models/overview#diffusers.ModelMixin). Consulta la documentación de la superclase para sus métodos genéricos implementados para todos los modelos (como la descarga o el guardado). | |
| #### decode[[diffusers.AutoencoderKLWan.decode]] | |
| ```python | |
| decode(z: Tensor, return_dict: bool = True) | |
| ``` | |
| [Fuente](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/autoencoders/autoencoder_kl_wan.py#L1222) | |
| **Parámetros:** | |
| z (`torch.Tensor`) : Lote de entrada de vectores latentes. | |
| return_dict (`bool`, *opcional*, por defecto `True`) : Si se debe devolver un `~models.vae.DecoderOutput` en lugar de una tupla simple. | |
| **Devuelve:** `~models.vae.DecoderOutput` o `tuple` | |
| Si return_dict es True, se devuelve un `~models.vae.DecoderOutput`; en caso contrario, se devuelve una `tuple` simple. | |
| Decodificar un lote de imágenes. | |
| #### enable_tiling[[diffusers.AutoencoderKLWan.enable_tiling]] | |
| ```python | |
| enable_tiling(tile_sample_min_height: int | None = None, tile_sample_min_width: int | None = None, tile_sample_stride_height: float | None = None, tile_sample_stride_width: float | None = None) | |
| ``` | |
| [Fuente](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/autoencoders/autoencoder_kl_wan.py#L1097) | |
| **Parámetros:** | |
| tile_sample_min_height (`int`, *opcional*) : La altura mínima requerida para que una muestra se separe en mosaicos a lo largo de la dimensión de altura. | |
| tile_sample_min_width (`int`, *opcional*) : El ancho mínimo requerido para que una muestra se separe en mosaicos a lo largo de la dimensión de ancho. | |
| tile_sample_stride_height (`int`, *opcional*) : La cantidad mínima de solapamiento entre dos mosaicos verticales consecutivos. Esto garantiza que no se produzcan artefactos de mosaico a lo largo de la dimensión de altura. | |
| tile_sample_stride_width (`int`, *opcional*) : El desplazamiento entre dos mosaicos horizontales consecutivos. Esto garantiza que no se produzcan artefactos de mosaico a lo largo de la dimensión de ancho. | |
| Habilita la decodificación de VAE en mosaicos. Cuando esta opción está habilitada, el VAE dividirá el tensor de entrada en mosaicos para calcular la decodificación y la codificación en varios pasos. Esto es útil para ahorrar una gran cantidad de memoria y para permitir el procesamiento de imágenes más grandes. | |
| #### encode[[diffusers.AutoencoderKLWan.encode]] | |
| ```python | |
| encode(x: Tensor, return_dict: bool = True) | |
| ``` | |
| [Fuente](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/autoencoders/autoencoder_kl_wan.py#L1164) | |
| **Parámetros:** | |
| x (`torch.Tensor`) : Lote de entrada de imágenes. | |
| return_dict (`bool`, *opcional*, valor predeterminado `True`) : Si se debe devolver un `~models.autoencoder_kl.AutoencoderKLOutput` en lugar de una tupla simple. | |
| **Devuelve:** | |
| Las representaciones latentes de los videos codificados. Si `return_dict` es True, se devuelve un `~models.autoencoder_kl.AutoencoderKLOutput`; de lo contrario, se devuelve una `tuple` simple. | |
| Codifica un lote de imágenes en latentes. | |
| #### forward[[diffusers.AutoencoderKLWan.forward]] | |
| ```python | |
| forward(sample: Tensor, sample_posterior: bool = False, return_dict: bool = True, generator: typing.Optional[torch.Generator] = None) | |
| ``` | |
| [Fuente](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/autoencoders/autoencoder_kl_wan.py#L1413) | |
| **Parámetros:** | |
| sample (`torch.Tensor`) : Muestra de entrada. | |
| sample_posterior (`bool`, *opcional*, por defecto `False`) : Si se muestrea de la posterior. | |
| return_dict (`bool`, *opcional*, por defecto `True`) : Si se devuelve un `DecoderOutput` en lugar de una tupla simple. | |
| generator (`torch.Generator`, *opcional*) : Un [`torch.Generator`](https://pytorch.org/docs/stable/generated/torch.Generator.html) para hacer que la muestreo sea determinista. | |
| **Devuelve:** `~models.vae.DecoderOutput` o `tuple` | |
| Si `return_dict` es True, se devuelve un `~models.vae.DecoderOutput`; en caso contrario, se devuelve una `tuple` simple. | |
| #### tiled_decode[[diffusers.AutoencoderKLWan.tiled_decode]] | |
| ```python | |
| tiled_decode(z: Tensor, return_dict: bool = True) | |
| ``` | |
| [Fuente](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/autoencoders/autoencoder_kl_wan.py#L1335) | |
| **Parámetros:** | |
| z (`torch.Tensor`) : Lote de entrada de vectores latentes. | |
| return_dict (`bool`, *opcional*, valor predeterminado `True`) : Indica si se debe devolver un `~models.vae.DecoderOutput` en lugar de una tupla simple. | |
| **Devuelve:** `~models.vae.DecoderOutput` o `tuple` | |
| Si return_dict es True, se devuelve un `~models.vae.DecoderOutput`; en caso contrario, se devuelve una `tuple` simple. | |
| Decodificar un lote de imágenes usando un decodificador por mosaicos. | |
| #### tiled_encode[[diffusers.AutoencoderKLWan.tiled_encode]] | |
| ```python | |
| tiled_encode(x: Tensor) | |
| ``` | |
| [Fuente](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/autoencoders/autoencoder_kl_wan.py#L1263) | |
| **Parámetros:** | |
| x (`torch.Tensor`) : Lote de entrada de videos. | |
| **Devuelve:** `torch.Tensor` | |
| La representación latente de los videos codificados. | |
| Codifica un lote de imágenes usando un codificador por mosaicos. | |
| ## DecoderOutput[[diffusers.models.autoencoders.vae.DecoderOutput]] | |
| #### diffusers.models.autoencoders.vae.DecoderOutput[[diffusers.models.autoencoders.vae.DecoderOutput]] | |
| ```python | |
| diffusers.models.autoencoders.vae.DecoderOutput(sample: Tensor, commit_loss: typing.Optional[torch.FloatTensor] = None) | |
| ``` | |
| [Fuente](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/autoencoders/vae.py#L49) | |
| **Parámetros:** | |
| sample (`torch.Tensor` de forma `(batch_size, num_channels, height, width)`) : La muestra de salida decodificada de la última capa del modelo. | |
| Salida del método de decodificación. | |
Xet Storage Details
- Size:
- 7.45 kB
- Xet hash:
- 761ae3de4f2d465a98d0741d6b4dad33a4fed7e3896311352259bbeedaacef01
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.