# Flux2Transformer2DModel

[Flux2](https://hf.co/black-forest-labs/FLUX.2-dev)의 이미지형 데이터용 Transformer 모델입니다.

## Flux2Transformer2DModel[[diffusers.Flux2Transformer2DModel]]

#### diffusers.Flux2Transformer2DModel[[diffusers.Flux2Transformer2DModel]]

```python
diffusers.Flux2Transformer2DModel(patch_size: int = 1, in_channels: int = 128, out_channels: int | None = None, num_layers: int = 8, num_single_layers: int = 48, attention_head_dim: int = 128, num_attention_heads: int = 48, joint_attention_dim: int = 15360, timestep_guidance_channels: int = 256, mlp_ratio: float = 3.0, axes_dims_rope: tuple = (32, 32, 32, 32), rope_theta: int = 2000, eps: float = 1e-06, guidance_embeds: bool = True)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_flux2.py#L1059)

**매개변수:**

patch_size (`int`, 기본값 `1`) : 입력 데이터를 작은 패치로 변환하기 위한 패치 크기.

in_channels (`int`, 기본값 `128`) : 입력의 채널 수.

out_channels (`int`, *선택 사항*, 기본값 `None`) : 출력의 채널 수입니다. 지정하지 않으면 기본값은 `in_channels`입니다.

num_layers (`int`, 기본값 `8`) : 사용할 dual stream DiT 블록의 레이어 수입니다.

num_single_layers (`int`, 기본값 `48`) : 사용할 단일 스트림 DiT 블록의 레이어 수입니다.

attention_head_dim (`int`, 기본값 `128`) : 각 attention head에 사용할 차원의 수입니다.

num_attention_heads (`int`, 기본값 `48`) : 사용할 attention head의 수입니다.

joint_attention_dim (`int`, 기본값 `15360`) : 결합된 어텐션에 사용할 차원의 수(`encoder_hidden_states`의 임베딩/채널 차원).

pooled_projection_dim (`int`, 기본값 `768`) : 풀링된 투영에 사용할 차원의 수입니다.

guidance_embeds (`bool`, 기본값 `True`) : 모델의 guidance-distilled 변형에 guidance embeddings를 사용할지 여부.

axes_dims_rope (`tuple[int]`, 기본값 `(32, 32, 32, 32)`) : 회전 위치 임베딩에 사용할 차원입니다.

Flux 2에 소개된 Transformer 모델.

참고: https://blackforestlabs.ai/announcing-black-forest-labs/

#### forward[[diffusers.Flux2Transformer2DModel.forward]]

```python
forward(hidden_states: Tensor, encoder_hidden_states: Tensor = None, timestep: LongTensor = None, img_ids: Tensor = None, txt_ids: Tensor = None, guidance: Tensor = None, joint_attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True, kv_cache: Flux2KVCache | None = None, kv_cache_mode: str | None = None, num_ref_tokens: int = 0, ref_fixed_timestep: float = 0.0)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_flux2.py#L1225)

**매개변수:**

hidden_states (`torch.Tensor`, shape `(batch_size, image_sequence_length, in_channels)`) : 입력 `hidden_states`.

encoder_hidden_states (`torch.Tensor`, shape `(batch_size, text_sequence_length, joint_attention_dim)`) : 사용할 조건 임베딩(프롬프트와 같은 입력 조건에서 계산된 임베딩).

timestep (`torch.LongTensor`) : 노이즈 제거 단계를 나타내는 데 사용됩니다.

img_ids (`torch.Tensor`) : 회전 위치 임베딩을 계산하는 데 사용되는 이미지 위치 ID입니다.

txt_ids (`torch.Tensor`) : 회전 위치 임베딩을 계산하는 데 사용되는 텍스트 위치 ID입니다.

guidance (`torch.Tensor`, *선택 사항*) : 모델의 guidance-distilled 변형에 사용되는 guidance scale 임베딩입니다.

joint_attention_kwargs (`dict`, *선택 사항*) : 지정된 경우 [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py)의 `self.processor` 아래에서 정의된 `AttentionProcessor`로 전달되는 kwargs 사전입니다.

return_dict (`bool`, *선택 사항*, 기본값 `True`) : 일반 튜플 대신 `~models.transformer_2d.Transformer2DModelOutput`을 반환할지 여부.

kv_cache (`Flux2KVCache`, *선택 사항*) : 참조 이미지 토큰을 위한 KV 캐시입니다. `kv_cache_mode`가 "extract"인 경우, 새로운 캐시가 생성되어 반환됩니다. "cached"인 경우, 제공된 캐시가 attention 과정에서 참조 K/V를 주입하는 데 사용됩니다.

kv_cache_mode (`str`, *선택 사항*) : "extract"(ref 토큰을 사용하는 첫 단계) 또는 "cached"(캐시된 ref K/V를 사용하는 후속 단계) 중 하나입니다. `None`인 경우 KV 캐싱 없이 표준 forward pass를 수행합니다.

num_ref_tokens (`int`, 기본값 `0`) : `hidden_states` 앞에 추가되는 참조 이미지 토큰의 수(`kv_cache_mode="extract"`일 때만 사용).

ref_fixed_timestep (`float`, 기본값 `0.0`) : `kv_cache_mode="extract"`일 때만 사용되는 참조 토큰 변조를 위한 고정 타임스텝.

**반환값:**

`return_dict`가 True이면 `~models.transformer_2d.Transformer2DModelOutput`이 반환되고, 그렇지 않으면 첫 번째 요소가 샘플 텐서인 `tuple`이 반환됩니다. `kv_cache_mode="extract"`인 경우, 채워진 `Flux2KVCache`도 함께 반환됩니다.

[Flux2Transformer2DModel](/docs/diffusers/main/ko/api/models/flux2_transformer#diffusers.Flux2Transformer2DModel)의 forward 메서드입니다.

## Flux2Transformer2DModelOutput[[diffusers.models.transformers.transformer_flux2.Flux2Transformer2DModelOutput]]

#### diffusers.models.transformers.transformer_flux2.Flux2Transformer2DModelOutput[[diffusers.models.transformers.transformer_flux2.Flux2Transformer2DModelOutput]]

```python
diffusers.models.transformers.transformer_flux2.Flux2Transformer2DModelOutput(sample: torch.Tensor, kv_cache: Flux2KVCache | None = None)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_flux2.py#L46)

**매개변수:**

sample (`torch.Tensor`, shape `(batch_size, num_channels, height, width)`) : `encoder_hidden_states` 입력에 조건부인 히든 스테이트 출력입니다.

kv_cache (`Flux2KVCache`, *선택 사항*) : 참조 이미지 토큰에 대한 채워진 KV 캐시입니다. `kv_cache_mode="extract"`일 때만 반환됩니다.

[Flux2Transformer2DModel](/docs/diffusers/main/ko/api/models/flux2_transformer#diffusers.Flux2Transformer2DModel)의 출력입니다.