# OvisImageTransformer2DModel

يمكن تحميل النموذج باستخدام مقتطف الشيفرة التالي.

```python
from diffusers import OvisImageTransformer2DModel

transformer = OvisImageTransformer2DModel.from_pretrained("AIDC-AI/Ovis-Image-7B", subfolder="transformer", dtype=torch.bfloat16)
```

## OvisImageTransformer2DModel[[diffusers.OvisImageTransformer2DModel]]

#### diffusers.OvisImageTransformer2DModel[[diffusers.OvisImageTransformer2DModel]]

```python
diffusers.OvisImageTransformer2DModel(patch_size: int = 1, in_channels: int = 64, out_channels: int | None = 64, num_layers: int = 6, num_single_layers: int = 27, attention_head_dim: int = 128, num_attention_heads: int = 24, joint_attention_dim: int = 2048, axes_dims_rope: tuple[int, int, int] = (16, 56, 56))
```

[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_ovis_image.py#L384)

**المعاملات:**

patch_size (`int`، القيمة الافتراضية `1`) : حجم الباتش لتحويل البيانات المدخلة إلى باتشات صغيرة.

in_channels (`int`، القيمة الافتراضية `64`) : عدد القنوات في المدخلات.

out_channels (`int`، *اختياري*، القيمة الافتراضية `None`) : عدد القنوات في المخرجات. إذا لم يُحدد، تكون القيمة الافتراضية `in_channels`.

num_layers (`int`، القيمة الافتراضية `6`) : عدد طبقات كتل DiT ذات التدفق المزدوج التي سيتم استخدامها.

num_single_layers (`int`، القيمة الافتراضية `27`) : عدد طبقات كتل DiT أحادية التدفق المستخدمة.

attention_head_dim (`int`، القيمة الافتراضية `128`) : عدد الأبعاد المستخدمة لكل رأس انتباه.

num_attention_heads (`int`، القيمة الافتراضية `24`) : عدد رؤوس الانتباه (attention heads) المستخدمة.

joint_attention_dim (`int`، القيمة الافتراضية `2048`) : عدد الأبعاد المستخدمة للانتباه المشترك (بعد التضمين/القناة الخاص بـ `encoder_hidden_states`).

axes_dims_rope (`tuple[int]`، القيمة الافتراضية هي `(16, 56, 56)`) : الأبعاد المستخدمة للتضمينات الموضعية الدوارة.

نموذج Transformer الذي تم تقديمه في Ovis-Image.

مرجع: https://github.com/AIDC-AI/Ovis-Image

#### forward[[diffusers.OvisImageTransformer2DModel.forward]]

```python
forward(hidden_states: Tensor, encoder_hidden_states: Tensor = None, timestep: LongTensor = None, img_ids: Tensor = None, txt_ids: Tensor = None, joint_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_ovis_image.py#L476)

**المعاملات:**

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

encoder_hidden_states (`torch.Tensor` من الشكل `(batch_size, text_sequence_length, joint_attention_dim)`) : تمثيلات شرطية (تمثيلات محسوبة من الشروط المدخلة مثل الأوامر النصية) للاستخدام.

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

img_ids : (`torch.Tensor`): معرّفات المواضع لرموز الصور.

txt_ids (`torch.Tensor`) : معرّفات المواضع لرموز النص.

joint_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 [OvisImageTransformer2DModel](/docs/diffusers/main/ar/api/models/ovisimage_transformer2d#diffusers.OvisImageTransformer2DModel) الأمامية.