Hugging Face's logo

Diffusers documentation

HunyuanDiT2DModel

You are viewing main version, which requires installation from source. If you'd like regular pip install, checkout the latest stable version (v0.43.0).
Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

HunyuanDiT2DModel

نموذج Hunyuan-DiT لتحويل الانتشار (Diffusion Transformer) للبيانات ثنائية الأبعاد.

HunyuanDiT2DModel

فئة diffusers.HunyuanDiT2DModel

< >

( num_attention_heads: int = 16attention_head_dim: int = 88in_channels: int | None = Nonepatch_size: int | None = Noneactivation_fn: str = 'gelu-approximate'sample_size = 32hidden_size = 1152num_layers: int = 28mlp_ratio: float = 4.0learn_sigma: bool = Truecross_attention_dim: int = 1024norm_type: str = 'layer_norm'cross_attention_dim_t5: int = 2048pooled_projection_dim: int = 1024text_len: int = 77text_len_t5: int = 256use_style_cond_and_image_meta_size: bool = True )

المعاملات

  • num_attention_heads (int، اختياري، القيمة الافتراضية 16) — عدد الرؤوس المستخدمة في الانتباه متعدد الرؤوس.
  • attention_head_dim (int، اختياري، القيمة الافتراضية 88) — عدد القنوات في كل رأس.
  • in_channels (int، اختياري) — عدد القنوات في المدخلات والمخرجات (حدد ذلك إذا كانت المدخلات مستمرة).
  • patch_size (int, اختياري) — حجم الباتش (patch) المستخدم للمدخل.
  • activation_fn (str، اختياري، القيمة الافتراضية "geglu") — دالة التنشيط المستخدمة في الشبكة العصبية الأمامية.
  • sample_size (int, اختياري) — عرض الصور الكامنة. هذا ثابت أثناء التدريب لأنه يُستخدم لتعلم عدد من تضمينات المواقع.
  • dropout (float, اختياري، القيمة الافتراضية 0.0) — احتمالية dropout المستخدمة.
  • cross_attention_dim (int، اختياري) — عدد الأبعاد في تضمين نص clip.
  • hidden_size (int, اختياري) — حجم الطبقة المخفية في طبقات التضمين الشرطي.
  • num_layers (int، اختياري، القيمة الافتراضية 1) — عدد طبقات كتل Transformers التي سيتم استخدامها.
  • mlp_ratio (float، اختياري، القيمة الافتراضية 4.0) — نسبة حجم الطبقة المخفية إلى حجم المدخلات.
  • learn_sigma (bool، اختياري، الافتراضي True) — ما إذا كان سيتم التنبؤ بالتباين.
  • cross_attention_dim_t5 (int, اختياري) — عدد الأبعاد في تضمين نص t5.
  • pooled_projection_dim (int, اختياري) — حجم الإسقاط المجمّع.
  • text_len (int, اختياري) — طول تضمين نص المقطع.
  • text_len_t5 (int, اختياري) — طول تضمين نص T5.
  • use_style_cond_and_image_meta_size (bool، اختياري) — ما إذا كان سيتم استخدام شرط النمط وحجم البيانات الوصفية للصورة. القيمة True للإصدارات <=1.1، والقيمة False للإصدارات >= 1.2

HunYuanDiT: نموذج انتشار بهيكل أساسي من نوع Transformer.

ورث ModelMixin وConfigMixin لتكون متوافقة مع عينة StableDiffusionPipeline من diffusers.

enable_forward_chunking

< >

( chunk_size: int | None = Nonedim: int = 0 )

المعاملات

  • chunk_size (int، اختياري) — حجم الدفعة (chunk size) لطبقات التقدّم الأمامي. إذا لم يُحدَّد، فسيتم تشغيل طبقة التقدّم الأمامي بشكل فردي على كل متجه (tensor) ذي بُعد dim.
  • dim (int، اختياري، القيمة الافتراضية 0) — البُعد الذي يجب تقسيم عملية الحساب الأمامي (feed-forward) عليه. اختر بين dim=0 (الحزمة) أو dim=1 (طول التسلسل).

يحدد معالج الانتباه لاستخدام تقطيع الأمامي.

forward

< >

( hidden_statestimestepencoder_hidden_states = Nonetext_embedding_mask = Noneencoder_hidden_states_t5 = Nonetext_embedding_mask_t5 = Noneimage_meta_size = Nonestyle = Noneimage_rotary_emb = Nonecontrolnet_block_samples = Nonereturn_dict = True )

المعاملات

  • hidden_states (torch.Tensor من الشكل (batch size, dim, height, width)) — المصفوفة المدخلة.
  • timestep ( torch.LongTensor, اختياري) — يُستخدم للإشارة إلى خطوة إزالة الضوضاء.
  • encoder_hidden_states ( torch.Tensor من الشكل (batch size, sequence len, embed dims)، اختياري) — تضمينات شرطية لطبقة الانتباه المتقاطع. هذا هو ناتج BertModel.
  • text_embedding_mask — torch.Tensor يتم تطبيق قناع انتباه (attention mask) بأبعاد (batch, key_tokens) على encoder_hidden_states. هذا هو ناتج BertModel.
  • encoder_hidden_states_t5 ( torch.Tensor من الشكل (batch size, sequence len, embed dims)، اختياري) — تضمينات شرطية لطبقة الانتباه المتقاطع. هذا هو مخرج مُشفِّر النص T5.
  • text_embedding_mask_t5 — torch.Tensor يتم تطبيق قناع انتباه (attention mask) بأبعاد (batch, key_tokens) على encoder_hidden_states. هذا هو مخرج T5 Text Encoder.
  • image_meta_size (torch.Tensor) — تضمين شرطي يشير إلى أحجام الصور
  • style — torch.Tensor: تضمين شرطي يشير إلى الأسلوب
  • image_rotary_emb (torch.Tensor) — تضمينات الدوران الخاصة بالصورة التي تُطبَّق على متجهات الاستعلام والمفتاح أثناء حساب الانتباه.
  • controlnet_block_samples (list من torch.Tensor، اختياري) — قائمة من الموترات التي إذا تم تحديدها تُضاف إلى بقايا كتل التحوّل.
  • return_dict — bool ما إذا كان يجب إرجاع قاموس.

طريقة HunyuanDiT2DModel الأمامية.

fuse_qkv_projections

< >

( )

…

> هذه الواجهة البرمجية 🧪 تجريبية.

set_default_attn_processor

< >

( )

يعطّل معالجات الانتباه المخصصة ويضبط تطبيق الانتباه الافتراضي.

unfuse_qkv_projections

< >

( )

يعطّل إسقاط QKV المدمج إذا كان مفعّلًا.

> هذه الواجهة البرمجية 🧪 تجريبية.

Update on GitHub

←HiDreamImageTransformer2DModel HunyuanImageTransformer2DModel→