Buckets:
| # 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]] | |
| ```python | |
| 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](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/normalization.py#L27) | |
| **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]] | |
| ```python | |
| diffusers.models.normalization.AdaLayerNormZero(embedding_dim: int, num_embeddings: int | None = None, norm_type = 'layer_norm', bias = True) | |
| ``` | |
| [Source](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/normalization.py#L130) | |
| **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]] | |
| ```python | |
| diffusers.models.normalization.AdaLayerNormSingle(embedding_dim: int, use_additional_conditions: bool = False) | |
| ``` | |
| [Source](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/normalization.py#L235) | |
| **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]] | |
| ```python | |
| diffusers.models.normalization.AdaGroupNorm(embedding_dim: int, out_dim: int, num_groups: int, act_fn: str | None = None, eps: float = 1e-05) | |
| ``` | |
| [Source](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/normalization.py#L269) | |
| **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]] | |
| ```python | |
| diffusers.models.normalization.AdaLayerNormContinuous(embedding_dim: int, conditioning_embedding_dim: int, elementwise_affine = True, eps = 1e-05, bias = True, norm_type = 'layer_norm') | |
| ``` | |
| [Source](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/normalization.py#L307) | |
| **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]] | |
| ```python | |
| diffusers.models.normalization.RMSNorm(dim, eps: float, elementwise_affine: bool = True, bias: bool = False) | |
| ``` | |
| [Source](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/normalization.py#L472) | |
| **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]] | |
| ```python | |
| diffusers.models.normalization.GlobalResponseNorm(dim) | |
| ``` | |
| [Source](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/normalization.py#L563) | |
| **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]] | |
| ```python | |
| 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](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/normalization.py#L354) | |
| ## SD35AdaLayerNormZeroX[[diffusers.models.normalization.SD35AdaLayerNormZeroX]] | |
| #### diffusers.models.normalization.SD35AdaLayerNormZeroX[[diffusers.models.normalization.SD35AdaLayerNormZeroX]] | |
| ```python | |
| diffusers.models.normalization.SD35AdaLayerNormZeroX(embedding_dim: int, norm_type: str = 'layer_norm', bias: bool = True) | |
| ``` | |
| [Source](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/normalization.py#L96) | |
| **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]] | |
| ```python | |
| diffusers.models.normalization.AdaLayerNormZeroSingle(embedding_dim: int, norm_type = 'layer_norm', bias = True) | |
| ``` | |
| [Source](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/normalization.py#L173) | |
| **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]] | |
| ```python | |
| diffusers.models.normalization.LuminaRMSNormZero(embedding_dim: int, norm_eps: float, norm_elementwise_affine: bool) | |
| ``` | |
| [Source](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/normalization.py#L205) | |
| **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]] | |
| ```python | |
| diffusers.models.normalization.LpNorm(p: int = 2, dim: int = -1, eps: float = 1e-12) | |
| ``` | |
| [Source](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/normalization.py#L583) | |
| ## CogView3PlusAdaLayerNormZeroTextImage[[diffusers.models.normalization.CogView3PlusAdaLayerNormZeroTextImage]] | |
| #### diffusers.models.normalization.CogView3PlusAdaLayerNormZeroTextImage[[diffusers.models.normalization.CogView3PlusAdaLayerNormZeroTextImage]] | |
| ```python | |
| diffusers.models.normalization.CogView3PlusAdaLayerNormZeroTextImage(embedding_dim: int, dim: int) | |
| ``` | |
| [Source](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/normalization.py#L403) | |
| **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]] | |
| ```python | |
| diffusers.models.normalization.CogVideoXLayerNormZero(conditioning_dim: int, embedding_dim: int, elementwise_affine: bool = True, eps: float = 1e-05, bias: bool = True) | |
| ``` | |
| [Source](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/normalization.py#L448) | |
| ## MochiRMSNormZero[[diffusers.models.transformers.transformer_mochi.MochiRMSNormZero]] | |
| #### diffusers.models.transformers.transformer_mochi.MochiRMSNormZero[[diffusers.models.transformers.transformer_mochi.MochiRMSNormZero]] | |
| ```python | |
| diffusers.models.transformers.transformer_mochi.MochiRMSNormZero(embedding_dim: int, hidden_dim: int, eps: float = 1e-05, elementwise_affine: bool = False) | |
| ``` | |
| [Source](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_mochi.py#L88) | |
| **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]] | |
| ```python | |
| diffusers.models.normalization.MochiRMSNorm(dim, eps: float, elementwise_affine: bool = True) | |
| ``` | |
| [Source](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/normalization.py#L535) | |
Xet Storage Details
- Size:
- 11.2 kB
- Xet hash:
- 8609e06536a78ec54bcfbfae2a2beda99e587216bca576f76c0b9e14f4b14817
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.