# HiDreamImageTransformer2DModel

[HiDream-I1](https://huggingface.co/HiDream-ai)의 이미지형 데이터용 Transformer 모델입니다.

다음 코드 스니펫으로 모델을 로드할 수 있습니다.

```python
from diffusers import HiDreamImageTransformer2DModel

transformer = HiDreamImageTransformer2DModel.from_pretrained("HiDream-ai/HiDream-I1-Full", subfolder="transformer", dtype=torch.bfloat16)
```

## HiDream-I1의 GGUF 양자화 체크포인트 로드

`HiDreamImageTransformer2DModel`의 GGUF 체크포인트는 `~FromOriginalModelMixin.from_single_file`를 사용하여 로드할 수 있습니다.

```python
import torch
from diffusers import GGUFQuantizationConfig, HiDreamImageTransformer2DModel

ckpt_path = "https://huggingface.co/city96/HiDream-I1-Dev-gguf/blob/main/hidream-i1-dev-Q2_K.gguf"
transformer = HiDreamImageTransformer2DModel.from_single_file(
    ckpt_path,
    quantization_config=GGUFQuantizationConfig(compute_dtype=torch.bfloat16),
    dtype=torch.bfloat16
)
```

## HiDreamImageTransformer2DModel[[diffusers.HiDreamImageTransformer2DModel]]

#### diffusers.HiDreamImageTransformer2DModel[[diffusers.HiDreamImageTransformer2DModel]]

```python
diffusers.HiDreamImageTransformer2DModel(patch_size: int | None = None, in_channels: int = 64, out_channels: int | None = None, num_layers: int = 16, num_single_layers: int = 32, attention_head_dim: int = 128, num_attention_heads: int = 20, caption_channels: list = None, text_emb_dim: int = 2048, num_routed_experts: int = 4, num_activated_experts: int = 2, axes_dims_rope: tuple = (32, 32), max_resolution: tuple = (128, 128), llama_layers: list = None, force_inference_output: bool = False)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_hidream_image.py#L602)

#### forward[[diffusers.HiDreamImageTransformer2DModel.forward]]

```python
forward(hidden_states: Tensor, timesteps: LongTensor = None, encoder_hidden_states_t5: Tensor = None, encoder_hidden_states_llama3: Tensor = None, pooled_embeds: Tensor = None, img_ids: typing.Optional[torch.Tensor] = None, img_sizes: list[tuple[int, int]] | None = None, hidden_states_masks: typing.Optional[torch.Tensor] = None, attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_hidream_image.py#L773)

**매개변수:**

hidden_states (`torch.Tensor`, shape `(batch_size, in_channels, height, width)` 또는 `(batch_size, patch_height * patch_width, patch_size * patch_size * channels)`) : 입력 `hidden_states`.

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

encoder_hidden_states_t5 (`torch.Tensor`) : T5 텍스트 인코더에서 계산된 조건부 임베딩.

encoder_hidden_states_llama3 (`torch.Tensor`) : Llama3 텍스트 인코더에서 계산된 조건부 임베딩.

pooled_embeds (`torch.Tensor`) : 추가 조건부 생성에 사용되는 풀링된 텍스트 임베딩.

img_ids (`torch.Tensor`, *선택 사항*) : 패치된 숨겨진 상태에 대한 이미지 위치 ID입니다.

img_sizes (`list` of `tuple` of `int`, *optional*) : 출력을 언패치파하기 위해 사용되는 샘플별 패치 그리드 크기.

hidden_states_masks (`torch.Tensor`, *선택 사항*) : 패치된 `hidden_states`에 대한 마스크.

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.

**반환값:**

`return_dict`가 True이면 `~models.transformer_2d.Transformer2DModelOutput`이 반환되고, 그렇지 않으면 첫 번째 요소가 샘플 텐서인 `tuple`이 반환됩니다.

[HiDreamImageTransformer2DModel](/docs/diffusers/main/ko/api/models/hidream_image_transformer#diffusers.HiDreamImageTransformer2DModel)의 forward 메서드입니다.

## Transformer2DModelOutput[[diffusers.models.modeling_outputs.Transformer2DModelOutput]]

#### diffusers.models.modeling_outputs.Transformer2DModelOutput[[diffusers.models.modeling_outputs.Transformer2DModelOutput]]

```python
diffusers.models.modeling_outputs.Transformer2DModelOutput(sample: torch.Tensor)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/modeling_outputs.py#L21)

**매개변수:**

sample (`torch.Tensor`, shape `(batch_size, num_channels, height, width)` 또는 [Transformer2DModel](/docs/diffusers/main/ko/api/models/transformer2d#diffusers.Transformer2DModel)이 discrete인 경우 `(batch size, num_vector_embeds - 1, num_latent_pixels)`) : `encoder_hidden_states` 입력에 조건부인 hidden states 출력입니다. discrete인 경우, 노이즈가 제거된 latent 픽셀에 대한 확률 분포를 반환합니다.

[Transformer2DModel](/docs/diffusers/main/ko/api/models/transformer2d#diffusers.Transformer2DModel)의 출력입니다.