Buckets:
| # 激活函数 | |
| 用于支持 🤗 Diffusers 中各种模型的自定义激活函数。 | |
| ## 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) | |
| ``` | |
| [源代码](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/activations.py#L65) | |
| **参数：** | |
| dim_in (`int`) : 输入中的通道数。 | |
| dim_out (`int`) : 输出中的通道数。 | |
| approximate (`str`，*可选*，默认为 `"none"`)：如果为 `"tanh"`，则使用 tanh 近似。 | |
| bias (`bool`，默认为 True)：是否在线性层中使用偏置。 | |
| 支持使用 `approximate="tanh"` 进行 tanh 近似的 GELU 激活函数。 | |
| ## 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) | |
| ``` | |
| [源代码](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/activations.py#L90) | |
| **参数：** | |
| dim_in (`int`) : 输入中的通道数。 | |
| dim_out (`int`) : 输出中的通道数。 | |
| bias (`bool`，默认为 True)：是否在线性层中使用偏置。 | |
| 门控线性单元激活函数的[变体](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) | |
| ``` | |
| [源代码](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/activations.py#L143) | |
| **参数：** | |
| dim_in (`int`) : 输入中的通道数。 | |
| dim_out (`int`) : 输出中的通道数。 | |
| bias (`bool`，默认为 True)：是否在线性层中使用偏置。 | |
| 高斯误差线性单元（GELU）的近似形式。更多详情请参阅此[论文](https://huggingface.co/papers/1606.08415)的第 2 节。 | |
| ## 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) | |
| ``` | |
| [源代码](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/activations.py#L120) | |
| **参数：** | |
| dim_in (`int`) : 输入中的通道数。 | |
| dim_out (`int`) : 输出中的通道数。 | |
| bias (`bool`，默认为 True)：是否在线性层中使用偏置。 | |
| 门控线性单元激活函数的[变体](https://huggingface.co/papers/2002.05202)。它与 `GEGLU` 类似，但使用 SiLU / Swish 代替 GeLU。 | |
| ## FP32SiLU[[diffusers.models.activations.FP32SiLU]] | |
| #### diffusers.models.activations.FP32SiLU[[diffusers.models.activations.FP32SiLU]] | |
| ```python | |
| diffusers.models.activations.FP32SiLU() | |
| ``` | |
| [源代码](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/activations.py#L53) | |
| 输入被上转换为 torch.float32 的 SiLU 激活函数。 | |
| ## 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') | |
| ``` | |
| [源代码](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/activations.py#L163) | |
Xet Storage Details
- Size:
- 3.52 kB
- Xet hash:
- 46f267c11d45d8370bee1fbf230771059e04b10fc23f51d8c4b22f083dc1c4a8
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.