Buckets:
| # 活性化関数 | |
| 🤗 Diffusersでさまざまなモデルをサポートするためのカスタマイズされた活性化関数。 | |
| ## GELU[[diffusers.models.activations.GELU]] | |
| #### diffusers.models.activations.GELU[[diffusers.models.activations.GELU]] | |
| ```python | |
| diffusers.models.activations.GELU(dim_in: int, dim_out: int, approximate: str = 'none', bias: bool = True) | |
| ``` | |
| [ソース](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/activations.py#L65) | |
| **パラメータ:** | |
| dim_in (`int`) : 入力におけるチャネル数。 | |
| dim_out (`int`) : 出力のチャネル数。 | |
| approximate (`str`、*任意*、デフォルトは`"none"`) : `"tanh"`の場合、tanh近似を使用します。 | |
| bias (`bool`、デフォルトは True) : 線形層にバイアスを使用するかどうか。 | |
| `approximate="tanh"` による tanh 近似をサポートする GELU 活性化関数。 | |
| ## GEGLU[[diffusers.models.activations.GEGLU]] | |
| #### diffusers.models.activations.GEGLU[[diffusers.models.activations.GEGLU]] | |
| ```python | |
| diffusers.models.activations.GEGLU(dim_in: int, dim_out: int, bias: bool = True) | |
| ``` | |
| [ソース](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/activations.py#L90) | |
| **パラメータ:** | |
| dim_in (`int`) : 入力におけるチャネル数。 | |
| dim_out (`int`) : 出力のチャネル数。 | |
| bias (`bool`、デフォルトは True) : 線形層にバイアスを使用するかどうか。 | |
| ゲート付き線形ユニット活性化関数の[バリアント](https://huggingface.co/papers/2002.05202)。 | |
| ## ApproximateGELU[[diffusers.models.activations.ApproximateGELU]] | |
| #### diffusers.models.activations.ApproximateGELU[[diffusers.models.activations.ApproximateGELU]] | |
| ```python | |
| diffusers.models.activations.ApproximateGELU(dim_in: int, dim_out: int, bias: bool = True) | |
| ``` | |
| [ソース](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/activations.py#L143) | |
| **パラメータ:** | |
| dim_in (`int`) : 入力におけるチャネル数。 | |
| dim_out (`int`) : 出力のチャネル数。 | |
| bias (`bool`、デフォルトは True) : 線形層にバイアスを使用するかどうか。 | |
| ガウス誤差線形ユニット（GELU）の近似形です。詳細については、この[論文](https://huggingface.co/papers/1606.08415)のセクション2を参照してください。 | |
| ## SwiGLU[[diffusers.models.activations.SwiGLU]] | |
| #### diffusers.models.activations.SwiGLU[[diffusers.models.activations.SwiGLU]] | |
| ```python | |
| diffusers.models.activations.SwiGLU(dim_in: int, dim_out: int, bias: bool = True) | |
| ``` | |
| [ソース](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/activations.py#L120) | |
| **パラメータ:** | |
| dim_in (`int`) : 入力におけるチャネル数。 | |
| dim_out (`int`) : 出力のチャネル数。 | |
| bias (`bool`、デフォルトは True) : 線形層にバイアスを使用するかどうか。 | |
| ゲート付き線形ユニット活性化関数の[バリアント](https://huggingface.co/papers/2002.05202)です。`GEGLU`に似ていますが、GeLUの代わりにSiLU / Swishを使用します。 | |
| ## FP32SiLU[[diffusers.models.activations.FP32SiLU]] | |
| #### diffusers.models.activations.FP32SiLU[[diffusers.models.activations.FP32SiLU]] | |
| ```python | |
| diffusers.models.activations.FP32SiLU() | |
| ``` | |
| [ソース](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/activations.py#L53) | |
| 入力をtorch.float32にキャストしたSiLU活性化関数。 | |
| ## LinearActivation[[diffusers.models.activations.LinearActivation]] | |
| #### diffusers.models.activations.LinearActivation[[diffusers.models.activations.LinearActivation]] | |
| ```python | |
| diffusers.models.activations.LinearActivation(dim_in: int, dim_out: int, bias: bool = True, activation: str = 'silu') | |
| ``` | |
| [ソース](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/activations.py#L163) | |
Xet Storage Details
- Size:
- 3.93 kB
- Xet hash:
- e8eee41bbf9acf495492d316f866c8b1f47ed90585b4b2b6ad8e42ea50537968
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.