Diffusers documentation
MochiTransformer3DModel
MochiTransformer3DModel
Genmo의 Mochi-1 Preview에서 3D 비디오 유사 데이터용 Diffusion Transformer 모델이 소개되었습니다.
다음 코드 스니펫으로 모델을 로드할 수 있습니다.
from diffusers import MochiTransformer3DModel
transformer = MochiTransformer3DModel.from_pretrained("genmo/mochi-1-preview", subfolder="transformer", dtype=torch.float16).to("cuda") # or "mps", "xpu", "cpu"MochiTransformer3DModel
클래스 diffusers.MochiTransformer3DModel
< source >( patch_size: int = 2num_attention_heads: int = 24attention_head_dim: int = 128num_layers: int = 48pooled_projection_dim: int = 1536in_channels: int = 12out_channels: int | None = Noneqk_norm: str = 'rms_norm'text_embed_dim: int = 4096time_embed_dim: int = 256activation_fn: str = 'swiglu'max_sequence_length: int = 256 )
매개변수
- patch_size (
int, 기본값2) — 패치 임베딩 레이어에서 사용할 패치의 크기입니다. - num_attention_heads (
int, 기본값24) — 멀티헤드 어텐션에 사용할 헤드의 수입니다. - attention_head_dim (
int, 기본값128) — 각 헤드당 채널 수입니다. - num_layers (
int, 기본값48) — 사용할 Transformer 블록의 레이어 수입니다. - in_channels (
int, 기본값12) — 입력의 채널 수입니다. - out_channels (
int, 선택 사항, 기본값None) — 출력의 채널 수입니다. - qk_norm (
str, 기본값"rms_norm") — 사용할 정규화 레이어입니다. - text_embed_dim (
int, 기본값4096) — 텍스트 인코더에서 생성된 텍스트 임베딩의 입력 차원입니다. - time_embed_dim (
int, 기본값256) — timestep 임베딩의 출력 차원입니다. - activation_fn (
str, 기본값"swiglu") — 피드포워드에서 사용할 활성화 함수입니다. - max_sequence_length (
int, 기본값256) — 지원되는 텍스트 임베딩의 최대 시퀀스 길이입니다.
Mochi에서 소개된 비디오 유사 데이터용 Transformer 모델입니다.
forward
< source >( hidden_states: Tensorencoder_hidden_states: Tensortimestep: LongTensorencoder_attention_mask: Tensorattention_kwargs: dict[str, typing.Any] | None = Nonereturn_dict: bool = True ) → torch.Tensor
매개변수
- hidden_states (
torch.Tensor, shape(batch_size, num_channels, num_frames, height, width)) — 입력hidden_states. - encoder_hidden_states (
torch.Tensor, shape(batch_size, sequence_len, embed_dims)) — 사용할 조건 임베딩(프롬프트와 같은 입력 조건에서 계산된 임베딩). - timestep (
torch.LongTensor) — 디노이징 단계를 나타내는 데 사용됩니다. - encoder_attention_mask (
torch.Tensor) — Attention 과정에서encoder_hidden_states에 적용되는 마스크입니다. - attention_kwargs (
dict, 선택 사항) — 지정된 경우 diffusers.models.attention_processor의self.processor에서 정의된AttentionProcessor로 전달되는 kwargs 사전입니다. - return_dict (
bool, 선택 사항, 기본값True) — 단순 tuple 대신~models.transformer_2d.Transformer2DModelOutput를 반환할지 여부.
반환값
torch.Tensor
(batch_size, out_channels, num_frames, height, width) 모양의 노이즈 제거 출력 텐서.
MochiTransformer3DModel의 forward 메서드입니다.
Transformer2DModelOutput
클래스 diffusers.models.modeling_outputs.Transformer2DModelOutput
< source >( sample: torch.Tensor )
매개변수
- sample (
torch.Tensor, shape(batch_size, num_channels, height, width)또는 Transformer2DModel이 discrete인 경우(batch size, num_vector_embeds - 1, num_latent_pixels)) —encoder_hidden_states입력에 조건부인 hidden states 출력입니다. discrete인 경우, 노이즈가 제거된 latent 픽셀에 대한 확률 분포를 반환합니다.
Transformer2DModel의 출력입니다.