# DiTTransformer2DModel

Model Transformer untuk data seperti gambar dari [DiT](https://huggingface.co/papers/2212.09748).

## DiTTransformer2DModel[[diffusers.DiTTransformer2DModel]]

#### diffusers.DiTTransformer2DModel[[diffusers.DiTTransformer2DModel]]

```python
diffusers.DiTTransformer2DModel(num_attention_heads: int = 16, attention_head_dim: int = 72, in_channels: int = 4, out_channels: int | None = None, num_layers: int = 28, dropout: float = 0.0, norm_num_groups: int = 32, attention_bias: bool = True, sample_size: int = 32, patch_size: int = 2, activation_fn: str = 'gelu-approximate', num_embeds_ada_norm: int | None = 1000, upcast_attention: bool = False, norm_type: str = 'ada_norm_zero', norm_elementwise_affine: bool = False, norm_eps: float = 1e-05)
```

[Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/dit_transformer_2d.py#L31)

**Parameter:**

num_attention_heads (int, opsional, default 16) : Jumlah head yang digunakan untuk multi-head attention.

attention_head_dim (int, opsional, default 72) : Jumlah channel di setiap head.

in_channels (int, defaultnya 4) : Jumlah channel pada input.

out_channels (int, opsional) : Jumlah channel pada output. Tentukan parameter ini jika jumlah channel output berbeda dari input.

num_layers (int, opsional, default 28) : Jumlah lapisan blok Transformer yang akan digunakan.

dropout (float, opsional, default 0.0) : Probabilitas dropout yang digunakan di dalam blok Transformer.

norm_num_groups (int, opsional, default 32) : Jumlah grup untuk normalisasi grup di dalam blok Transformer.

attention_bias (bool, opsional, default True) : Mengonfigurasi apakah perhatian pada blok Transformer harus mengandung parameter bias.

sample_size (int, defaultnya 32) : Lebar dari gambar laten. Parameter ini tetap selama pelatihan.

patch_size (int, defaultnya 2) : Ukuran patch yang diproses oleh model, relevan untuk arsitektur yang bekerja pada data non-berurutan.

activation_fn (str, opsional, default "gelu-approximate") : Fungsi aktivasi yang digunakan dalam jaringan feed-forward di dalam blok Transformer.

num_embeds_ada_norm (int, opsional, default 1000) : Jumlah embedding untuk AdaLayerNorm, tetap selama pelatihan dan memengaruhi jumlah langkah denoising maksimum selama inferensi.

upcast_attention (bool, opsional, default False) : Jika true, menaikkan dimensi mekanisme perhatian untuk potensi peningkatan kinerja.

norm_type (str, opsional, default "ada_norm_zero") : Menentukan jenis normalisasi yang digunakan, dapat berupa 'ada_norm_zero'.

norm_elementwise_affine (bool, opsional, default False) : Jika true, mengaktifkan parameter afine per elemen di lapisan normalisasi.

norm_eps (float, opsional, default 1e-5) : Konstanta kecil yang ditambahkan ke penyebut pada lapisan normalisasi untuk mencegah pembagian dengan nol.

Model Transformer 2D yang diperkenalkan dalam DiT (https://huggingface.co/papers/2212.09748).

#### forward[[diffusers.DiTTransformer2DModel.forward]]

```python
forward(hidden_states: Tensor, timestep: typing.Optional[torch.LongTensor] = None, class_labels: typing.Optional[torch.LongTensor] = None, cross_attention_kwargs: dict[str, typing.Any] = None, return_dict: bool = True)
```

[Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/dit_transformer_2d.py#L148)

**Parameter:**

hidden_states (`torch.LongTensor` dengan bentuk `(batch size, num latent pixels)` jika diskrit, `torch.FloatTensor` dengan bentuk `(batch size, channel, height, width)` jika kontinu) : Input `hidden_states`.

timestep ( `torch.LongTensor`, *opsional*) : Digunakan untuk menunjukkan langkah denoising. Timestep opsional yang diterapkan sebagai embedding di `AdaLayerNorm`.

class_labels ( `torch.LongTensor` dengan bentuk `(batch size, num classes)`, *opsional*) : Digunakan untuk menunjukkan kondisioning label kelas. Label kelas opsional yang akan diterapkan sebagai embedding di `AdaLayerZeroNorm`.

cross_attention_kwargs ( `dict[str, Any]`, *opsional*) : Sebuah kamus kwargs yang jika ditentukan akan diteruskan ke `AttentionProcessor` seperti yang didefinisikan di bawah `self.processor` dalam [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py).

return_dict (`bool`, *opsional*, defaultnya `True`) : Apakah akan mengembalikan [UNet2DConditionOutput](/docs/diffusers/main/id/api/models/unet2d-cond#diffusers.models.unets.unet_2d_condition.UNet2DConditionOutput) alih-alih tuple biasa.

**Mengembalikan:**

Jika `return_dict` bernilai True, sebuah `~models.transformer_2d.Transformer2DModelOutput` akan dikembalikan, selain itu sebuah `tuple` di mana elemen pertama adalah tensor sampel.

Metode forward dari [DiTTransformer2DModel](/docs/diffusers/main/id/api/models/dit_transformer2d#diffusers.DiTTransformer2DModel).