# TransformerTemporalModel

Model Transformer untuk data seperti video.

## TransformerTemporalModel[[diffusers.TransformerTemporalModel]]

#### diffusers.TransformerTemporalModel[[diffusers.TransformerTemporalModel]]

```python
diffusers.TransformerTemporalModel(num_attention_heads: int = 16, attention_head_dim: int = 88, in_channels: int | None = None, out_channels: int | None = None, num_layers: int = 1, dropout: float = 0.0, norm_num_groups: int = 32, cross_attention_dim: int | None = None, attention_bias: bool = False, sample_size: int | None = None, activation_fn: str = 'geglu', norm_elementwise_affine: bool = True, double_self_attention: bool = True, positional_embeddings: str | None = None, num_positional_embeddings: int | None = None)
```

[Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_temporal.py#L41)

**Parameter:**

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

attention_head_dim (`int`, *opsional*, defaultnya 88) : Jumlah channel di setiap head.

in_channels (`int`, *opsional*) : Jumlah saluran pada input dan output (dinyatakan jika input bersifat **kontinu**).

num_layers (`int`, *opsional*, default 1) : Jumlah lapisan blok Transformer yang akan digunakan.

dropout (`float`, *opsional*, default 0.0) : Probabilitas dropout yang akan digunakan.

cross_attention_dim (`int`, *opsional*) : Jumlah dimensi `encoder_hidden_states` yang akan digunakan.

attention_bias (`bool`, *opsional*) : Mengonfigurasi apakah perhatian pada `TransformerBlock` harus memuat parameter bias.

sample_size (`int`, *opsional*) : Lebar dari gambar laten (dinyatakan jika input bersifat **diskrit**). Nilai ini tetap selama pelatihan karena digunakan untuk mempelajari sejumlah position embeddings.

activation_fn (`str`, *opsional*, defaultnya `"geglu"`) : Fungsi aktivasi yang digunakan dalam feed-forward. Lihat `diffusers.models.activations.get_activation` untuk fungsi aktivasi yang didukung.

norm_elementwise_affine (`bool`, *opsional*) : Mengonfigurasi apakah `TransformerBlock` harus menggunakan parameter affine elementwise yang dapat dipelajari untuk normalisasi.

double_self_attention (`bool`, *opsional*) : Mengonfigurasi apakah setiap `TransformerBlock` harus berisi dua lapisan self-attention.

positional_embeddings : (`str`, *opsional*): Jenis positional embeddings yang diterapkan ke input sekuens sebelum digunakan.

num_positional_embeddings : (`int`, *opsional*): Panjang maksimum dari urutan tempat embedding posisi diterapkan.

Model Transformer untuk data seperti video.

#### forward[[diffusers.TransformerTemporalModel.forward]]

```python
forward(hidden_states: Tensor, encoder_hidden_states: typing.Optional[torch.LongTensor] = None, timestep: typing.Optional[torch.LongTensor] = None, class_labels: LongTensor = None, num_frames: int = 1, cross_attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True)
```

[Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_temporal.py#L123)

**Parameter:**

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

encoder_hidden_states ( `torch.LongTensor` dengan bentuk `(batch size, encoder_hidden_states dim)`, *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`.

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`.

num_frames (`int`, *opsional*, default 1) : Jumlah frame yang akan diproses per batch. Ini digunakan untuk membentuk ulang hidden states.

cross_attention_kwargs (`dict`, *opsional*) : 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 [TransformerTemporalModelOutput](/docs/diffusers/main/id/api/models/transformer_temporal#diffusers.models.transformers.transformer_temporal.TransformerTemporalModelOutput) alih-alih tuple biasa.

**Mengembalikan:** [TransformerTemporalModelOutput](/docs/diffusers/main/id/api/models/transformer_temporal#diffusers.models.transformers.transformer_temporal.TransformerTemporalModelOutput) atau `tuple`

Jika `return_dict` bernilai True, sebuah [TransformerTemporalModelOutput](/docs/diffusers/main/id/api/models/transformer_temporal#diffusers.models.transformers.transformer_temporal.TransformerTemporalModelOutput) akan dikembalikan, selain itu sebuah `tuple` di mana elemen pertama adalah tensor sampel.

Metode forward `TransformerTemporal`.

## TransformerTemporalModelOutput[[diffusers.models.transformers.transformer_temporal.TransformerTemporalModelOutput]]

#### diffusers.models.transformers.transformer_temporal.TransformerTemporalModelOutput[[diffusers.models.transformers.transformer_temporal.TransformerTemporalModelOutput]]

```python
diffusers.models.transformers.transformer_temporal.TransformerTemporalModelOutput(sample: Tensor)
```

[Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_temporal.py#L29)

**Parameter:**

sample (`torch.Tensor` dengan bentuk `(batch_size x num_frames, num_channels, height, width)`) : Output hidden states yang dikondisikan pada input `encoder_hidden_states`.

Output dari [TransformerTemporalModel](/docs/diffusers/main/id/api/models/transformer_temporal#diffusers.TransformerTemporalModel).