diffusers/v0.43.0/es/api/normalization.md

Capas de normalización

Capas de normalización personalizadas para admitir varios modelos en 🤗 Diffusers.

AdaLayerNorm[[diffusers.models.normalization.AdaLayerNorm]]

diffusers.models.normalization.AdaLayerNorm[[diffusers.models.normalization.AdaLayerNorm]]

diffusers.models.normalization.AdaLayerNorm(embedding_dim: int, num_embeddings: int | None = None, output_dim: int | None = None, norm_elementwise_affine: bool = False, norm_eps: float = 1e-05, chunk_dim: int = 0)

Fuente

Parámetros:

embedding_dim (int) : El tamaño de cada vector de incrustación.

num_embeddings (int, opcional) : El tamaño del diccionario de embeddings.

output_dim (int, opcional) --

norm_elementwise_affine (bool, por defecto `False) --

norm_eps (bool, por defecto False) --

chunk_dim (int, por defecto 0) --

Capa de normalización modificada para incorporar embeddings de paso de tiempo.

AdaLayerNormZero[[diffusers.models.normalization.AdaLayerNormZero]]

diffusers.models.normalization.AdaLayerNormZero[[diffusers.models.normalization.AdaLayerNormZero]]

diffusers.models.normalization.AdaLayerNormZero(embedding_dim: int, num_embeddings: int | None = None, norm_type = 'layer_norm', bias = True)

Fuente

Parámetros:

embedding_dim (int) : El tamaño de cada vector de incrustación.

num_embeddings (int) : El tamaño del diccionario de embeddings.

Capa de normalización adaptativa: normalización de capa cero adaptativa (adaLN-Zero).

AdaLayerNormSingle[[diffusers.models.normalization.AdaLayerNormSingle]]

diffusers.models.normalization.AdaLayerNormSingle[[diffusers.models.normalization.AdaLayerNormSingle]]

diffusers.models.normalization.AdaLayerNormSingle(embedding_dim: int, use_additional_conditions: bool = False)

Fuente

Parámetros:

embedding_dim (int) : El tamaño de cada vector de incrustación.

use_additional_conditions (bool) : Si se deben usar condiciones adicionales para la normalización o no.

Capa de normalización adaptativa: normalización de capa única adaptativa (adaLN-single).

Como se propuso en PixArt-Alpha (ver: https://huggingface.co/papers/2310.00426; Sección 2.3).

AdaGroupNorm[[diffusers.models.normalization.AdaGroupNorm]]

diffusers.models.normalization.AdaGroupNorm[[diffusers.models.normalization.AdaGroupNorm]]

diffusers.models.normalization.AdaGroupNorm(embedding_dim: int, out_dim: int, num_groups: int, act_fn: str | None = None, eps: float = 1e-05)

Fuente

Parámetros:

embedding_dim (int) : El tamaño de cada vector de incrustación.

num_embeddings (int) : El tamaño del diccionario de embeddings.

num_groups (int) : El número de grupos en los que separar los canales.

act_fn (str, opcional, valor predeterminado None) : La función de activación a utilizar.

eps (float, opcional, valor predeterminado 1e-5) : El valor de epsilon a utilizar para la estabilidad numérica.

Capa GroupNorm modificada para incorporar embeddings de paso de tiempo.

AdaLayerNormContinuous[[diffusers.models.normalization.AdaLayerNormContinuous]]

diffusers.models.normalization.AdaLayerNormContinuous[[diffusers.models.normalization.AdaLayerNormContinuous]]

diffusers.models.normalization.AdaLayerNormContinuous(embedding_dim: int, conditioning_embedding_dim: int, elementwise_affine = True, eps = 1e-05, bias = True, norm_type = 'layer_norm')

Fuente

Parámetros:

embedding_dim (int) : Dimensión de embedding a utilizar durante la proyección.

conditioning_embedding_dim (int) : Dimensión de la condición de entrada.

elementwise_affine (bool, defaults to True) : Boolean flag to denote if affine transformation should be applied.

eps (float, por defecto 1e-5) : Factor epsilon.

bias (bias, por defecto True) : Bandera booleana para indicar si se debe usar sesgo.

norm_type (str, por defecto "layer_norm") : Capa de normalización a utilizar. Valores admitidos: "layer_norm", "rms_norm".

Capa de normalización adaptativa con una capa de normalización (layer_norm o rms_norm).

RMSNorm[[diffusers.models.normalization.RMSNorm]]

diffusers.models.normalization.RMSNorm[[diffusers.models.normalization.RMSNorm]]

diffusers.models.normalization.RMSNorm(dim, eps: float, elementwise_affine: bool = True, bias: bool = False)

Fuente

Parámetros:

dim (int) : Número de dimensiones a usar para weights. Solo es efectivo cuando elementwise_affine es True.

eps (float) : Valor pequeño que se utiliza al calcular el recíproco de la raíz cuadrada.

elementwise_affine (bool, defaults to True) : Boolean flag to denote if affine transformation should be applied.

bias (bool, por defecto False) : Si también se entrena el parámetro bias.

RMS Norm, tal como se introdujo en https://huggingface.co/papers/1910.07467 por Zhang et al.

GlobalResponseNorm[[diffusers.models.normalization.GlobalResponseNorm]]

diffusers.models.normalization.GlobalResponseNorm[[diffusers.models.normalization.GlobalResponseNorm]]

diffusers.models.normalization.GlobalResponseNorm(dim)

Fuente

Parámetros:

dim (int) : Número de dimensiones a utilizar para gamma y beta.

Normalización de respuesta global, tal como se introdujo en ConvNeXt-v2 (https://huggingface.co/papers/2301.00808).

LuminaLayerNormContinuous[[diffusers.models.normalization.LuminaLayerNormContinuous]]

diffusers.models.normalization.LuminaLayerNormContinuous[[diffusers.models.normalization.LuminaLayerNormContinuous]]

diffusers.models.normalization.LuminaLayerNormContinuous(embedding_dim: int, conditioning_embedding_dim: int, elementwise_affine = True, eps = 1e-05, bias = True, norm_type = 'layer_norm', out_dim: int | None = None)

Fuente

SD35AdaLayerNormZeroX[[diffusers.models.normalization.SD35AdaLayerNormZeroX]]

diffusers.models.normalization.SD35AdaLayerNormZeroX[[diffusers.models.normalization.SD35AdaLayerNormZeroX]]

diffusers.models.normalization.SD35AdaLayerNormZeroX(embedding_dim: int, norm_type: str = 'layer_norm', bias: bool = True)

Fuente

Parámetros:

embedding_dim (int) : El tamaño de cada vector de incrustación.

num_embeddings (int) : El tamaño del diccionario de embeddings.

Capa de normalización adaptativa: normalización adaptativa con cero (AdaLN-Zero).

AdaLayerNormZeroSingle[[diffusers.models.normalization.AdaLayerNormZeroSingle]]

diffusers.models.normalization.AdaLayerNormZeroSingle[[diffusers.models.normalization.AdaLayerNormZeroSingle]]

diffusers.models.normalization.AdaLayerNormZeroSingle(embedding_dim: int, norm_type = 'layer_norm', bias = True)

Fuente

Parámetros:

embedding_dim (int) : El tamaño de cada vector de incrustación.

num_embeddings (int) : El tamaño del diccionario de embeddings.

Capa de normalización adaptativa: normalización de capa cero adaptativa (adaLN-Zero).

LuminaRMSNormZero[[diffusers.models.normalization.LuminaRMSNormZero]]

diffusers.models.normalization.LuminaRMSNormZero[[diffusers.models.normalization.LuminaRMSNormZero]]

diffusers.models.normalization.LuminaRMSNormZero(embedding_dim: int, norm_eps: float, norm_elementwise_affine: bool)

Fuente

Parámetros:

embedding_dim (int) : El tamaño de cada vector de incrustación.

Capa de normalización adaptativa RMS normalization zero.

LpNorm[[diffusers.models.normalization.LpNorm]]

diffusers.models.normalization.LpNorm[[diffusers.models.normalization.LpNorm]]

diffusers.models.normalization.LpNorm(p: int = 2, dim: int = -1, eps: float = 1e-12)

Fuente

CogView3PlusAdaLayerNormZeroTextImage[[diffusers.models.normalization.CogView3PlusAdaLayerNormZeroTextImage]]

diffusers.models.normalization.CogView3PlusAdaLayerNormZeroTextImage[[diffusers.models.normalization.CogView3PlusAdaLayerNormZeroTextImage]]

diffusers.models.normalization.CogView3PlusAdaLayerNormZeroTextImage(embedding_dim: int, dim: int)

Fuente

Parámetros:

embedding_dim (int) : El tamaño de cada vector de incrustación.

num_embeddings (int) : El tamaño del diccionario de embeddings.

Capa de normalización adaptativa: normalización de capa cero adaptativa (adaLN-Zero).

CogVideoXLayerNormZero[[diffusers.models.normalization.CogVideoXLayerNormZero]]

diffusers.models.normalization.CogVideoXLayerNormZero[[diffusers.models.normalization.CogVideoXLayerNormZero]]

diffusers.models.normalization.CogVideoXLayerNormZero(conditioning_dim: int, embedding_dim: int, elementwise_affine: bool = True, eps: float = 1e-05, bias: bool = True)

Fuente

MochiRMSNormZero[[diffusers.models.transformers.transformer_mochi.MochiRMSNormZero]]

diffusers.models.transformers.transformer_mochi.MochiRMSNormZero[[diffusers.models.transformers.transformer_mochi.MochiRMSNormZero]]

diffusers.models.transformers.transformer_mochi.MochiRMSNormZero(embedding_dim: int, hidden_dim: int, eps: float = 1e-05, elementwise_affine: bool = False)

Fuente

Parámetros:

embedding_dim (int) : El tamaño de cada vector de incrustación.

Adaptive RMS Norm utilizado en Mochi.

MochiRMSNorm[[diffusers.models.normalization.MochiRMSNorm]]

diffusers.models.normalization.MochiRMSNorm[[diffusers.models.normalization.MochiRMSNorm]]

diffusers.models.normalization.MochiRMSNorm(dim, eps: float, elementwise_affine: bool = True)

Fuente