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

Couches de normalisation

Couches de normalisation personnalisées pour prendre en charge divers modèles dans 🤗 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)

Source

Paramètres :

embedding_dim (int) : La taille de chaque vecteur d'embedding.

num_embeddings (int, facultatif) : La taille du dictionnaire d'embeddings.

output_dim (int, facultatif) --

norm_elementwise_affine (bool, par défaut `False) --

norm_eps (bool, par défaut False) --

chunk_dim (int, par défaut 0) --

Couche de normalisation modifiée pour intégrer les embeddings de pas de temps.

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)

Source

Paramètres :

embedding_dim (int) : La taille de chaque vecteur d'embedding.

num_embeddings (int) : La taille du dictionnaire d'embeddings.

Couche de normalisation adaptative, couche de normalisation adaptative zéro (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)

Source

Paramètres :

embedding_dim (int) : La taille de chaque vecteur d'embedding.

use_additional_conditions (bool) : Indique s'il faut utiliser des conditions supplémentaires pour la normalisation.

Couche de normalisation adaptative, normalisation par couche unique (adaLN-single).

Tel que proposé dans PixArt-Alpha (voir : https://huggingface.co/papers/2310.00426 ; section 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)

Source

Paramètres :

embedding_dim (int) : La taille de chaque vecteur d'embedding.

num_embeddings (int) : La taille du dictionnaire d'embeddings.

num_groups (int) : Le nombre de groupes dans lesquels séparer les canaux.

act_fn (str, facultatif, par défaut None) : La fonction d'activation à utiliser.

eps (float, facultatif, par défaut 1e-5) : La valeur epsilon à utiliser pour la stabilité numérique.

Couche GroupNorm modifiée pour intégrer les embeddings de pas de temps.

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')

Source

Paramètres :

embedding_dim (int) : Dimension d'embedding à utiliser lors de la projection.

conditioning_embedding_dim (int) : Dimension de la condition d'entrée.

elementwise_affine (bool, par défaut True) : Drapeau indiquant si une transformation affine doit être appliquée.

eps (float, par défaut 1e-5) : Facteur epsilon.

bias (bias, par défaut True) : drapeau booléen indiquant si le biais doit être utilisé.

norm_type (str, par défaut "layer_norm") : Couche de normalisation à utiliser. Valeurs prises en charge : "layer_norm", "rms_norm".

Couche de normalisation adaptative avec une couche de normalisation (layer_norm ou 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)

Source

Paramètres :

dim (int) : Nombre de dimensions à utiliser pour weights. N'est efficace que lorsque elementwise_affine est True.

eps (float) : Petite valeur à utiliser lors du calcul de la réciproque de la racine carrée.

elementwise_affine (bool, par défaut True) : Drapeau indiquant si une transformation affine doit être appliquée.

bias (bool, défaut : False) : Si le paramètre bias est également entraîné.

RMS Norm, introduite dans https://huggingface.co/papers/1910.07467 par Zhang et al.

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

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

diffusers.models.normalization.GlobalResponseNorm(dim)

Source

Paramètres :

dim (int) : Nombre de dimensions à utiliser pour gamma et beta.

Normalisation de la réponse globale, telle qu'introduite dans 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)

Source

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)

Source

Paramètres :

embedding_dim (int) : La taille de chaque vecteur d'embedding.

num_embeddings (int) : La taille du dictionnaire d'embeddings.

Couche de normalisation adaptative, couche de normalisation adaptative zéro (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)

Source

Paramètres :

embedding_dim (int) : La taille de chaque vecteur d'embedding.

num_embeddings (int) : La taille du dictionnaire d'embeddings.

Couche de normalisation adaptative, couche de normalisation adaptative zéro (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)

Source

Paramètres :

embedding_dim (int) : La taille de chaque vecteur d'embedding.

Norm layer adaptive 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)

Source

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

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

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

Source

Paramètres :

embedding_dim (int) : La taille de chaque vecteur d'embedding.

num_embeddings (int) : La taille du dictionnaire d'embeddings.

Couche de normalisation adaptative, couche de normalisation adaptative zéro (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)

Source

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)

Source

Paramètres :

embedding_dim (int) : La taille de chaque vecteur d'embedding.

Adaptive RMS Norm utilisé dans 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)

Source