diffusers/v0.43.0/ko/api/schedulers/consistency_decoder.md

ConsistencyDecoderScheduler

이 스케줄러는 ConsistencyDecoderPipeline의 일부이며 DALL-E 3에서 도입되었습니다.

원본 코드베이스는 openai/consistency_models에서 찾을 수 있습니다.

ConsistencyDecoderScheduler[[diffusers.schedulers.ConsistencyDecoderScheduler]]

diffusers.schedulers.ConsistencyDecoderScheduler[[diffusers.schedulers.ConsistencyDecoderScheduler]]

diffusers.schedulers.ConsistencyDecoderScheduler(num_train_timesteps: int = 1024, sigma_data: float = 0.5)

소스

매개변수:

num_train_timesteps (int, 선택 사항, 기본값 1024) : 모델을 학습하기 위한 diffusion step 수입니다.

sigma_data (float, 선택 사항, 기본값 0.5) : 데이터 분포의 표준 편차입니다. skip 및 output 스케일링 계수를 계산하는 데 사용됩니다.

Stable Diffusion 파이프라인에서 사용되는 consistency decoder용 스케줄러입니다.

이 스케줄러는 잠재 표현을 이미지로 디코딩하기 위해 일관성 모델을 사용하여 2단계 디노이징 과정을 구현합니다.

이 모델은 SchedulerMixin과 ConfigMixin을 상속합니다. 로딩 및 저장과 같은 모든 스케줄러에 대해 라이브러리가 구현하는 일반적 메서드에 대해서는 상위 클래스 문서를 확인하세요.

scale_model_input[[diffusers.schedulers.ConsistencyDecoderScheduler.scale_model_input]]

scale_model_input(sample: Tensor, timestep: int | None = None)

소스

매개변수:

sample (torch.Tensor) : 입력 샘플.

timestep (int, 선택 사항) : 확산 체인에서의 현재 시간 단계입니다.

반환값: torch.Tensor

스케일된 입력 샘플.

현재 타임스텝에 따라 디노이징 모델 입력을 스케일링해야 하는 스케줄러와의 호환성을 보장합니다.

step[[diffusers.schedulers.ConsistencyDecoderScheduler.step]]

step(model_output: Tensor, timestep: typing.Union[float, torch.Tensor], sample: Tensor, generator: typing.Optional[torch.Generator] = None, return_dict: bool = True)

소스

매개변수:

model_output (torch.Tensor) : 학습된 diffusion 모델의 직접적인 출력입니다.

timestep (float 또는 torch.Tensor) : diffusion chain의 현재 timestep.

sample (torch.Tensor) : 확산 과정에서 생성된 샘플의 현재 인스턴스.

generator (torch.Generator, 선택 사항) : 재현성을 위한 난수 생성기.

return_dict (bool, 선택 사항, 기본값 True) : ConsistencyDecoderSchedulerOutput 또는 tuple을 반환할지 여부.

반환값: ConsistencyDecoderSchedulerOutput 또는 tuple

return_dict가 True인 경우 ConsistencyDecoderSchedulerOutput가 반환되고, 그렇지 않으면 첫 번째 요소가 샘플 텐서인 튜플이 반환됩니다.

이전 시간 단계의 샘플을 SDE를 역방향으로 적용하여 예측합니다. 이 함수는 학습된 모델의 출력(대부분 예측된 노이즈)으로부터 확산 과정을 전파합니다.