# AuraFlowTransformer2DModel

نموذج Transformer للبيانات المشابهة للصور من [AuraFlow](https://blog.fal.ai/auraflow/).

## AuraFlowTransformer2DModel[[diffusers.AuraFlowTransformer2DModel]]

#### diffusers.AuraFlowTransformer2DModel[[diffusers.AuraFlowTransformer2DModel]]

```python
diffusers.AuraFlowTransformer2DModel(sample_size: int = 64, patch_size: int = 2, in_channels: int = 4, num_mmdit_layers: int = 4, num_single_dit_layers: int = 32, attention_head_dim: int = 256, num_attention_heads: int = 12, joint_attention_dim: int = 2048, caption_projection_dim: int = 3072, out_channels: int = 4, pos_embed_max_size: int = 1024)
```

[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/auraflow_transformer_2d.py#L278)

**المعاملات:**

sample_size (`int`) : عرض الصور الكامنة. هذا ثابت أثناء التدريب لأنه يُستخدم لتعلم عدد من تضمينات المواقع.

patch_size (`int`) : حجم الباتش لتحويل البيانات المدخلة إلى باتشات صغيرة.

in_channels (`int`، *اختياري*، القيمة الافتراضية 4) : عدد القنوات في المدخلات.

num_mmdit_layers (`int`، *اختياري*، القيمة الافتراضية 4) : عدد طبقات كتل MMDiT Transformer التي سيتم استخدامها.

num_single_dit_layers (`int`، *اختياري*، القيمة الافتراضية 32) : عدد طبقات كتل Transformer المستخدمة. تستخدم هذه الكتل تمثيلات الصور والنص المدمجة.

attention_head_dim (`int`، *اختياري*، القيمة الافتراضية 256) : عدد القنوات في كل رأس.

num_attention_heads (`int`، *اختياري*، القيمة الافتراضية 12) : عدد الرؤوس المستخدمة في الانتباه متعدد الرؤوس.

joint_attention_dim (`int`، *اختياري*) : عدد أبعاد `encoder_hidden_states` التي سيتم استخدامها.

caption_projection_dim (`int`) : عدد الأبعاد المستخدمة عند إسقاط `encoder_hidden_states`.

out_channels (`int`، القيمة الافتراضية 4) : عدد قنوات الإخراج.

pos_embed_max_size (`int`، القيمة الافتراضية 1024) : الحد الأقصى لعدد المواضع المضمنة من كامنات الصورة.

نموذج Transformer ثنائي الأبعاد كما تم تقديمه في AuraFlow (https://blog.fal.ai/auraflow/).

#### forward[[diffusers.AuraFlowTransformer2DModel.forward]]

```python
forward(hidden_states: FloatTensor, encoder_hidden_states: FloatTensor = None, timestep: LongTensor = None, attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True)
```

[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/auraflow_transformer_2d.py#L400)

**المعاملات:**

hidden_states (`torch.FloatTensor` من الشكل `(batch size, channel, height, width)`) : مدخلات `hidden_states`.

encoder_hidden_states (`torch.FloatTensor` من الشكل `(batch size, sequence_len, embed_dims)`) : التضمينات الشرطية (التضمينات المحسوبة من الشروط المدخلة مثل الأوامر) للاستخدام.

timestep (`torch.LongTensor`) : يُستخدم للإشارة إلى خطوة إزالة الضوضاء.

attention_kwargs (`dict`، *اختياري*) : قاموس kwargs يُمرَّر إلى `AttentionProcessor` إذا تم تحديده، كما هو معرَّف تحت `self.processor` في [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py).

return_dict (`bool`، *اختياري*، القيمة الافتراضية `True`) : ما إذا كان يجب إرجاع `~models.transformer_2d.Transformer2DModelOutput` بدلاً من tuple عادي.

**يعيد:**

إذا كان `return_dict` صحيحًا، يُعاد `~models.transformer_2d.Transformer2DModelOutput`، وإلا يُعاد `tuple` يكون عنصره الأول هو تينسور العينة.

طريقة [AuraFlowTransformer2DModel](/docs/diffusers/main/ar/api/models/aura_flow_transformer2d#diffusers.AuraFlowTransformer2DModel) الأمامية.

#### fuse_qkv_projections[[diffusers.AuraFlowTransformer2DModel.fuse_qkv_projections]]

```python
fuse_qkv_projections()
```

[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/auraflow_transformer_2d.py#L369)

…

> [!WARNING] > هذه الواجهة البرمجية 🧪 تجريبية.

#### unfuse_qkv_projections[[diffusers.AuraFlowTransformer2DModel.unfuse_qkv_projections]]

```python
unfuse_qkv_projections()
```

[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/auraflow_transformer_2d.py#L391)

يعطّل إسقاط QKV المدمج إذا كان مفعّلًا.

> [!WARNING] > هذه الواجهة البرمجية 🧪 تجريبية.