# ZImageTransformer2DModel

Model Transformer untuk data seperti gambar dari [Z-Image](https://huggingface.co/Tongyi-MAI/Z-Image-Turbo).

## ZImageTransformer2DModel[[diffusers.ZImageTransformer2DModel]]

#### diffusers.ZImageTransformer2DModel[[diffusers.ZImageTransformer2DModel]]

```python
diffusers.ZImageTransformer2DModel(all_patch_size = (2,), all_f_patch_size = (1,), in_channels = 16, dim = 3840, n_layers = 30, n_refiner_layers = 2, n_heads = 30, n_kv_heads = 30, norm_eps = 1e-05, qk_norm = True, cap_feat_dim = 2560, siglip_feat_dim = None, rope_theta = 256.0, t_scale = 1000.0, axes_dims = [32, 48, 48], axes_lens = [1024, 512, 512])
```

[Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_z_image.py#L361)

#### forward[[diffusers.ZImageTransformer2DModel.forward]]

```python
forward(x: list[torch.Tensor, list[list[torch.Tensor]]], t, cap_feats: list[torch.Tensor, list[list[torch.Tensor]]], return_dict: bool = True, controlnet_block_samples: dict[int, torch.Tensor] | None = None, siglip_feats: list[list[torch.Tensor]] | None = None, image_noise_mask: list[list[int]] | None = None, patch_size: int = 2, f_patch_size: int = 1, joint_attention_kwargs: dict[str, typing.Any] | None = None)
```

[Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_z_image.py#L896)

**Parameter:**

x (`list` dari `torch.Tensor` atau `list` bersarang dari `torch.Tensor`) : Laten input. Daftar datar saat berjalan dalam mode standar, atau daftar bersarang saat berjalan dalam mode omni.

t (`torch.Tensor`) : Digunakan untuk menunjukkan langkah denoising.

cap_feats (`list` dari `torch.Tensor` atau `list` bersarang dari `torch.Tensor`) : Embedding caption kondisional (embedding yang dihitung dari kondisi input seperti prompt) yang akan digunakan.

return_dict (`bool`, *opsional*, defaultnya `True`) : Apakah akan mengembalikan `~models.transformer_2d.Transformer2DModelOutput` alih-alih tuple biasa.

controlnet_block_samples (`dict` dari `int` ke `torch.Tensor`, *opsional*) : Pemetaan dari indeks blok ke tensor yang, jika ditentukan, akan ditambahkan ke residual dari blok transformer.

siglip_feats (`list` dari `list` dari `torch.Tensor`, *opsional*) : Fitur gambar SigLIP opsional yang digunakan sebagai kondisioning tambahan.

image_noise_mask (`list` dari `list` dari `int`, *opsional*) : Masker noise per gambar yang menunjukkan token berisik vs. bersih dalam mode omni.

patch_size (`int`, *opsional*, defaultnya 2) : Ukuran patch spasial yang digunakan untuk mem-patchify latens input.

f_patch_size (`int`, *opsional*, default 1) : Ukuran patch temporal yang digunakan untuk mem-patchify latens input.

joint_attention_kwargs (`dict`, *opsional*) : Kamus kwargs. Hanya entri `scale` yang digunakan, untuk menskalakan lapisan LoRA.

**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 [ZImageTransformer2DModel](/docs/diffusers/main/id/api/models/z_image_transformer2d#diffusers.ZImageTransformer2DModel).

Flow: patchify -> t_embed -> x_embed -> x_refine -> cap_embed -> cap_refine -> [siglip_embed -> siglip_refine] -> build_unified -> main_layers -> final_layer -> unpatchify

#### patchify_and_embed[[diffusers.ZImageTransformer2DModel.patchify_and_embed]]

```python
patchify_and_embed(all_image: list[torch.Tensor], all_cap_feats: list[torch.Tensor], patch_size: int, f_patch_size: int)
```

[Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_z_image.py#L590)

Patchify untuk mode dasar: satu gambar per item batch.

#### patchify_and_embed_omni[[diffusers.ZImageTransformer2DModel.patchify_and_embed_omni]]

```python
patchify_and_embed_omni(all_x: list[list[torch.Tensor]], all_cap_feats: list[list[torch.Tensor]], all_siglip_feats: list[list[torch.Tensor]], patch_size: int, f_patch_size: int, images_noise_mask: list[list[int]])
```

[Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_z_image.py#L627)

Patchify untuk mode omni: beberapa gambar per item batch dengan masker noise.