# BriaFiboTransformer2DModel

Un modelo Transformer de flux modificado de [Bria](https://huggingface.co/briaai/FIBO)

## BriaFiboTransformer2DModel[[diffusers.BriaFiboTransformer2DModel]]

#### diffusers.BriaFiboTransformer2DModel[[diffusers.BriaFiboTransformer2DModel]]

```python
diffusers.BriaFiboTransformer2DModel(patch_size: int = 1, in_channels: int = 64, num_layers: int = 19, num_single_layers: int = 38, attention_head_dim: int = 128, num_attention_heads: int = 24, joint_attention_dim: int = 4096, pooled_projection_dim: int = None, guidance_embeds: bool = False, axes_dims_rope: list[int] = [16, 56, 56], rope_theta = 10000, time_theta = 10000, text_encoder_dim: int = 2048)
```

[Fuente](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_bria_fibo.py#L428)

**Parámetros:**

patch_size (`int`) : Tamaño del parche para convertir los datos de entrada en pequeños parches.

in_channels (`int`, *opcional*, valor predeterminado 16) : El número de canales en la entrada.

num_layers (`int`, *opcional*, valor predeterminado 18) : El número de capas de bloques MMDiT a utilizar.

num_single_layers (`int`, *opcional*, valor predeterminado 18) : El número de capas de bloques DiT individuales a utilizar.

attention_head_dim (`int`, *opcional*, valor predeterminado 64) : El número de canales en cada cabeza.

num_attention_heads (`int`, *opcional*, valor predeterminado 18) : El número de cabezas a utilizar para la atención multi-cabeza.

joint_attention_dim (`int`, *opcional*) : El número de dimensiones de `encoder_hidden_states` a utilizar.

pooled_projection_dim (`int`) : Número de dimensiones a utilizar al proyectar las `pooled_projections`.

guidance_embeds (`bool`, predeterminado en False) : Si se deben usar embeddings de guía.

... --

#### forward[[diffusers.BriaFiboTransformer2DModel.forward]]

```python
forward(hidden_states: Tensor, encoder_hidden_states: Tensor = None, text_encoder_layers: list = None, pooled_projections: Tensor = None, timestep: LongTensor = None, img_ids: Tensor = None, txt_ids: Tensor = None, guidance: Tensor = None, joint_attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True)
```

[Fuente](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_bria_fibo.py#L510)

**Parámetros:**

hidden_states (`torch.FloatTensor` de forma `(batch size, channel, height, width)`) : `hidden_states` de entrada.

encoder_hidden_states (`torch.FloatTensor` de forma `(batch size, sequence_len, embed_dims)`) : Embeddings condicionales (embeddings calculados a partir de las condiciones de entrada, como los prompts) a utilizar.

text_encoder_layers (`list` de `torch.Tensor`) : Estados ocultos del codificador de texto por bloque, un tensor por bloque de transformer.

pooled_projections (`torch.FloatTensor` de forma `(batch_size, projection_dim)`) : Incrustaciones proyectadas a partir de las incrustaciones de las condiciones de entrada.

timestep ( `torch.LongTensor`) : Se utiliza para indicar el paso de desruido.

img_ids (`torch.Tensor`) : ids de posición de imagen utilizados para calcular los embeddings posicionales rotatorios.

txt_ids (`torch.Tensor`) : ids de posición de texto utilizados para calcular los embeddings posicionales rotatorios.

guidance (`torch.Tensor`, *opcional*) : Embedding de escala de guía utilizado para las variantes destiladas por guía del modelo.

joint_attention_kwargs (`dict`, *opcional*) : Un diccionario de kwargs que, si se especifica, se pasa al `AttentionProcessor` tal como se define bajo `self.processor` en [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py).

return_dict (`bool`, *opcional*, valor predeterminado `True`) : Indica si se debe devolver un `~models.transformer_2d.Transformer2DModelOutput` en lugar de una tupla simple.

**Devuelve:**

Si `return_dict` es True, se devuelve un `~models.transformer_2d.Transformer2DModelOutput`; en caso contrario, se devuelve una `tuple` cuyo primer elemento es el tensor de la muestra.