# ErnieImageTransformer2DModel

[ERNIE-Image](https://huggingface.co/baidu/ERNIE-Image)からの画像類似データ向けの Transformer モデル。

[ERNIE-Image-Turbo](https://huggingface.co/baidu/ERNIE-Image-Turbo)からの画像類似データ向けのTransformerモデルです。

## ErnieImageTransformer2DModel[[diffusers.ErnieImageTransformer2DModel]]

#### diffusers.ErnieImageTransformer2DModel[[diffusers.ErnieImageTransformer2DModel]]

```python
diffusers.ErnieImageTransformer2DModel(hidden_size: int = 3072, num_attention_heads: int = 24, num_layers: int = 24, ffn_hidden_size: int = 8192, in_channels: int = 128, out_channels: int = 128, patch_size: int = 1, text_in_dim: int = 2560, rope_theta: int = 256, rope_axes_dim: typing.Tuple[int, int, int] = (32, 48, 48), eps: float = 1e-06, qk_layernorm: bool = True)
```

[ソース](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_ernie_image.py#L296)

#### forward[[diffusers.ErnieImageTransformer2DModel.forward]]

```python
forward(hidden_states: Tensor, timestep: Tensor, text_bth: Tensor, text_lens: Tensor, return_dict: bool = True)
```

[ソース](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_ernie_image.py#L348)

**パラメータ:**

hidden_states (`torch.Tensor`、形状 `(batch_size, in_channels, height, width)`) : 入力 `hidden_states`。

timestep (`torch.LongTensor`) : デノイジングステップを示すために使用されます。

text_bth (`torch.Tensor`) : 使用する条件付きテキスト埋め込み（プロンプトなどの入力条件から計算される埋め込み）。形状は `(batch_size, text_length, embed_dims)` です。

text_lens (`torch.Tensor`) : アテンションマスクを構築するために使用される、サンプルごとのテキストシーケンスの長さ。

return_dict (`bool`、*任意*、デフォルトは`True`) : プレーンなタプルではなく`~models.transformer_2d.Transformer2DModelOutput`を返すかどうか。

**戻り値:**

`return_dict` が True の場合、`ErnieImageTransformer2DModelOutput` が返され、それ以外の場合は、最初の要素がサンプルテンソルである `tuple` が返されます。

[ErnieImageTransformer2DModel](/docs/diffusers/main/ja/api/models/ernie_image_transformer2d#diffusers.ErnieImageTransformer2DModel)のforwardメソッドです。