Diffusers

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).

Join the Hugging Face community

and get access to the augmented documentation experience

Collaborate on models, datasets and Spaces

Faster examples with accelerated inference

Switch between documentation themes

to get started

LMSDiscreteScheduler

LMSDiscreteScheduler est un planificateur linéaire à pas multiples pour les plans bêta discrets. Le planificateur a été porté et créé par Katherine Crowson, et l’implémentation originale peut être trouvée à l’adresse crowsonkb/k-diffusion.

LMSDiscreteScheduler

classe diffusers.LMSDiscreteScheduler

< source >

( *args**kwargs )

LMSDiscreteSchedulerOutput

classe diffusers.schedulers.scheduling_lms_discrete.LMSDiscreteSchedulerOutput

< source >

( prev_sample: Tensorpred_original_sample: typing.Optional[torch.Tensor] = None )

Paramètres

prev_sample (torch.Tensor de forme (batch_size, num_channels, height, width) pour les images) — Échantillon calculé (x_{t-1}) de l'étape temporelle précédente. prev_sample doit être utilisé comme entrée du modèle suivante dans la boucle de débruitage.
pred_original_sample (torch.Tensor de forme (batch_size, num_channels, height, width) pour les images) — L'échantillon débruité prédit (x_{0}) basé sur la sortie du modèle à l'étape temporelle actuelle. pred_original_sample peut être utilisé pour prévisualiser la progression ou pour le guidage.

Classe de sortie pour la sortie de la fonction step du planificateur.

Update on GitHub

←LCMScheduler MiniMaxH3Scheduler→