# PixArtTransformer2DModel

Model Transformer untuk data seperti gambar dari [PixArt-Alpha](https://huggingface.co/papers/2310.00426) dan [PixArt-Sigma](https://huggingface.co/papers/2403.04692).

## PixArtTransformer2DModel[[diffusers.PixArtTransformer2DModel]]

#### diffusers.PixArtTransformer2DModel[[diffusers.PixArtTransformer2DModel]]

```python
diffusers.PixArtTransformer2DModel(num_attention_heads: int = 16, attention_head_dim: int = 72, in_channels: int = 4, out_channels: int | None = 8, num_layers: int = 28, dropout: float = 0.0, norm_num_groups: int = 32, cross_attention_dim: int | None = 1152, attention_bias: bool = True, sample_size: int = 128, 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_single', norm_elementwise_affine: bool = False, norm_eps: float = 1e-06, interpolation_scale: int | None = None, use_additional_conditions: bool | None = None, caption_channels: int | None = None, attention_type: str | None = 'default')
```

[Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/pixart_transformer_2d.py#L32)

**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.

cross_attention_dim (int, opsional) : Dimensi untuk lapisan cross-attention, biasanya sesuai dengan dimensi tersembunyi encoder.

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

sample_size (int, defaultnya 128) : 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-6) : Konstanta kecil yang ditambahkan ke penyebut pada lapisan normalisasi untuk mencegah pembagian dengan nol.

interpolation_scale (int, opsional) : Faktor skala yang digunakan saat menginterpolasi embedding posisi.

use_additional_conditions (bool, opsional) : Jika kita menggunakan kondisi tambahan sebagai input.

attention_type (str, opsional, default "default") : Jenis mekanisme perhatian yang akan digunakan.

caption_channels (int, opsional, default None) : Jumlah channel yang digunakan untuk memproyeksikan embedding caption.

use_linear_projection (bool, opsional, default False) : Argumen yang tidak lagi didukung. Akan dihapus pada versi mendatang.

num_vector_embeds (bool, opsional, default False) : Argumen yang tidak lagi didukung. Akan dihapus pada versi mendatang.

Model Transformer 2D yang diperkenalkan dalam keluarga model PixArt (https://huggingface.co/papers/2310.00426, https://huggingface.co/papers/2403.04692).

#### forward[[diffusers.PixArtTransformer2DModel.forward]]

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

[Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/pixart_transformer_2d.py#L227)

**Parameter:**

hidden_states (`torch.FloatTensor` dengan bentuk `(batch size, channel, height, width)`) : Input `hidden_states`.

encoder_hidden_states (`torch.FloatTensor` dengan bentuk `(batch size, sequence len, embed dims)`, *opsional*) : Embedding kondisional untuk lapisan cross attention. Jika tidak diberikan, cross-attention secara default menggunakan self-attention.

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

added_cond_kwargs : (`dict[str, Any]`, *opsional*): Kondisi tambahan yang akan digunakan sebagai input.

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).

attention_mask ( `torch.Tensor`, *opsional*) : Mask perhatian dengan bentuk `(batch, key_tokens)` diterapkan pada `encoder_hidden_states`. Jika `1`, mask dipertahankan, sedangkan jika `0`, mask dibuang. Mask akan dikonversi menjadi bias, yang menambahkan nilai negatif besar ke skor perhatian yang sesuai dengan token "buang".

encoder_attention_mask ( `torch.Tensor`, *opsional*) : Mask cross-attention yang diterapkan pada `encoder_hidden_states`. Dua format didukung:  * Mask `(batch, sequence_length)` True = simpan, False = buang. * Bias `(batch, 1, sequence_length)` 0 = simpan, -10000 = buang.  Jika `ndim == 2`: akan diinterpretasikan sebagai mask, kemudian dikonversi menjadi bias yang konsisten dengan format di atas. Bias ini akan ditambahkan ke skor cross-attention.

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 [PixArtTransformer2DModel](/docs/diffusers/main/id/api/models/pixart_transformer2d#diffusers.PixArtTransformer2DModel).

#### fuse_qkv_projections[[diffusers.PixArtTransformer2DModel.fuse_qkv_projections]]

```python
fuse_qkv_projections()
```

[Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/pixart_transformer_2d.py#L196)

Mengaktifkan proyeksi QKV yang digabungkan. Untuk modul self-attention, semua matriks proyeksi (yaitu, query, key, value) digabungkan. Untuk modul cross-attention, matriks proyeksi key dan value digabungkan.

> [!WARNING] > API ini 🧪 eksperimental.

#### set_default_attn_processor[[diffusers.PixArtTransformer2DModel.set_default_attn_processor]]

```python
set_default_attn_processor()
```

[Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/pixart_transformer_2d.py#L187)

Menonaktifkan prosesor perhatian kustom dan mengatur implementasi perhatian default.

Aman untuk langsung menggunakan `AttnProcessor()` karena PixArt tidak memiliki prosesor perhatian eksotis apa pun di model default.

#### unfuse_qkv_projections[[diffusers.PixArtTransformer2DModel.unfuse_qkv_projections]]

```python
unfuse_qkv_projections()
```

[Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/pixart_transformer_2d.py#L218)

Menonaktifkan proyeksi QKV yang digabungkan jika diaktifkan.

> [!WARNING] > API ini 🧪 eksperimental.