# LTXVideoTransformer3DModel

أُدخل نموذج Diffusion Transformer للبيانات ثلاثية الأبعاد من [LTX](https://huggingface.co/Lightricks/LTX-Video) بواسطة Lightricks.

يمكن تحميل النموذج باستخدام مقتطف الشيفرة التالي.

```python
from diffusers import LTXVideoTransformer3DModel

transformer = LTXVideoTransformer3DModel.from_pretrained("Lightricks/LTX-Video", subfolder="transformer", dtype=torch.bfloat16).to("cuda")  # or "mps", "xpu", "cpu"
```

## LTXVideoTransformer3DModel[[diffusers.LTXVideoTransformer3DModel]]

#### diffusers.LTXVideoTransformer3DModel[[diffusers.LTXVideoTransformer3DModel]]

```python
diffusers.LTXVideoTransformer3DModel(in_channels: int = 128, out_channels: int = 128, patch_size: int = 1, patch_size_t: int = 1, num_attention_heads: int = 32, attention_head_dim: int = 64, cross_attention_dim: int = 2048, num_layers: int = 28, activation_fn: str = 'gelu-approximate', qk_norm: str = 'rms_norm_across_heads', norm_elementwise_affine: bool = False, norm_eps: float = 1e-06, caption_channels: int = 4096, attention_bias: bool = True, attention_out_bias: bool = True)
```

[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_ltx.py#L379)

**المعاملات:**

in_channels (`int`، القيمة الافتراضية `128`) : عدد القنوات في المدخلات.

out_channels (`int`، القيمة الافتراضية `128`) : عدد القنوات في المخرجات.

patch_size (`int`، القيمة الافتراضية `1`) : حجم البقع المكانية المستخدمة في طبقة تضمين البقع.

patch_size_t (`int`، القيمة الافتراضية `1`) : حجم البقع الزمنية (temporal patches) المستخدمة في طبقة تضمين البقع (patch embedding layer).

num_attention_heads (`int`، القيمة الافتراضية `32`) : عدد الرؤوس المستخدمة في الانتباه متعدد الرؤوس.

attention_head_dim (`int`، القيمة الافتراضية `64`) : عدد القنوات في كل رأس.

cross_attention_dim (`int`، القيمة الافتراضية `2048 `) : عدد القنوات لرؤوس الانتباه المتقاطع.

num_layers (`int`، القيمة الافتراضية `28`) : عدد طبقات كتل Transformer المستخدمة.

activation_fn (`str`، القيمة الافتراضية `"gelu-approximate"`) : دالة التنشيط المستخدمة في الشبكة العصبية الأمامية.

qk_norm (`str`، الافتراضي `"rms_norm_across_heads"`) : طبقة التطبيع المستخدمة.

نموذج Transformer لبيانات تشبه الفيديو يُستخدم في [LTX](https://huggingface.co/Lightricks/LTX-Video).

#### forward[[diffusers.LTXVideoTransformer3DModel.forward]]

```python
forward(hidden_states: Tensor, encoder_hidden_states: Tensor, timestep: LongTensor, encoder_attention_mask: Tensor, num_frames: int | None = None, height: int | None = None, width: int | None = None, rope_interpolation_scale: typing.Union[tuple[float, float, float], torch.Tensor, NoneType] = None, video_coords: typing.Optional[torch.Tensor] = 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/transformer_ltx.py#L488)

**المعاملات:**

hidden_states (`torch.Tensor` من الشكل `(batch_size, sequence_length, in_channels)`) : مدخلات `hidden_states`.

encoder_hidden_states (`torch.Tensor` 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.

encoder_attention_mask (`torch.Tensor`) : القناع المطبَّق على `encoder_hidden_states` أثناء الانتباه.

num_frames (`int`, *اختياري*) : عدد الإطارات في الفيديو المستخدمة لحساب التضمينات الموضعية الدوارة.

height (`int`, *اختياري*) : ارتفاع الكامن المستخدم لحساب التضمينات الموضعية الدوارة.

width (`int`, *اختياري*) : عرض المتغير الكامن المستخدم لحساب التضمينات الموضعية الدوارة.

rope_interpolation_scale (`tuple` من `float` أو `torch.Tensor`، *اختياري*) : مقياس الاستيفاء المستخدم في التضمينات الموضعية الدوارة.

video_coords (`torch.Tensor`، *اختياري*) : إحداثيات الفيديو المحسوبة مسبقًا التي تُستخدمها التضمينات الموضعية الدوارة.

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:** `torch.Tensor`

المخرجات المُزالة الضوضاء على شكل متجه (تِنسور) بأبعاد `(batch_size, sequence_length, out_channels)`.

طريقة [LTXVideoTransformer3DModel](/docs/diffusers/main/ar/api/models/ltx_video_transformer3d#diffusers.LTXVideoTransformer3DModel) الأمامية.

## Transformer2DModelOutput[[diffusers.models.modeling_outputs.Transformer2DModelOutput]]

#### diffusers.models.modeling_outputs.Transformer2DModelOutput[[diffusers.models.modeling_outputs.Transformer2DModelOutput]]

```python
diffusers.models.modeling_outputs.Transformer2DModelOutput(sample: torch.Tensor)
```

[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/modeling_outputs.py#L21)

**المعاملات:**

sample (`torch.Tensor` من الشكل `(batch_size, num_channels, height, width)` أو `(batch size, num_vector_embeds - 1, num_latent_pixels)` إذا كان [Transformer2DModel](/docs/diffusers/main/ar/api/models/transformer2d#diffusers.Transformer2DModel) منفصلاً): مخرجات الحالات المخفية المشروطة على مدخل `encoder_hidden_states`. إذا كان منفصلاً، يعيد توزيعات الاحتمال للبكسلات الكامنة غير الملوثة.

مخرجات [Transformer2DModel](/docs/diffusers/main/ar/api/models/transformer2d#diffusers.Transformer2DModel).