# PiflowScheduler

`PiflowScheduler`는 텍스트/이미지-비디오-오디오 모델과 비디오 초해상도 모델 모두에 포함된 증류된 Kandinsky 6 체크포인트, 그리고 증류된 Kandinsky S2V 1.0 체크포인트의 소스텝 스케줄러입니다. [π-Flow](https://huggingface.co/papers/2510.14974)를 구현하며, 트랜스포머가 소수의 그리드 포인트에서 각 잠재 채널당 `n_grid`개의 디노이즈 추정치를 예측하고, 스케줄러는 그 사이에서 네트워크가 없는 정책을 적분합니다.

참조 구현은 [Lakonik/LakonLab](https://github.com/Lakonik/LakonLab)에서 찾을 수 있습니다.

## PiflowScheduler[[diffusers.PiflowScheduler]]

#### diffusers.PiflowScheduler[[diffusers.PiflowScheduler]]

```python
diffusers.PiflowScheduler(num_train_timesteps: int = 1000, shift: float = 5.0, n_grid: int = 10, eps: float = 1e-06, final_step_size_scale: float = 0.5, num_policy_substeps: int = 128)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/schedulers/scheduling_piflow.py#L144)

**매개변수:**

num_train_timesteps (`int`, *선택 사항*, 기본값 1000) : 학습용 diffusion 단계 수.

shift (`float`, *선택 사항*, 기본값 5.0) : Flow-matching timestep shift입니다.

n_grid (`int`, *선택 사항*, 기본값 10) : 확장된 모델 출력의 예측 개수.

eps (`float`, *선택 사항*, 기본값 1e-6) : 최소 timestep 및 정책 분모.

final_step_size_scale (`float`, *선택 사항*, 기본값 0.5) : 최종 raw-timestep 세그먼트의 상대적 크기.

num_policy_substeps (`int`, *선택 사항*, 기본값 128) : raw-timestep 단위당 최대 policy integration substeps 수입니다.

확장된 출력의 diffusion transformer를 위한 Few-step PiFlow 스케줄러.

PiFlow는 소수의 그리드 점에서 denoising 모델을 평가하고, 해당 평가 사이에 네트워크가 없는 정책을 적분합니다. 이 스케줄러는 distilled Kandinsky 6 체크포인트, 즉 주요 video/audio 모델과 video super-resolution 모델을 위해 설계되었습니다. 해당 모델의 출력에는 샘플 채널당 `n_grid`개의 예측 값이 포함됩니다.

이 스케줄러는 [SchedulerMixin](/docs/diffusers/main/ko/api/schedulers/overview#diffusers.SchedulerMixin)과 [ConfigMixin](/docs/diffusers/main/ko/api/configuration#diffusers.ConfigMixin)을 상속합니다. 모든 스케줄러에 대해 구현된 일반 메서드(로드, 저장 등)에 대해서는 상위 클래스 문서를 확인하세요.

#### set_timesteps[[diffusers.PiflowScheduler.set_timesteps]]

```python
set_timesteps(num_inference_steps: int | None = None, device: typing.Union[str, torch.device, NoneType] = None, sigmas: list[float] | None = None, mu: float | None = None, timesteps: list[float] | None = None)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/schedulers/scheduling_piflow.py#L224)

**매개변수:**

num_inference_steps (`int`) : 모델 평가 횟수.

device (`str` 또는 `torch.device`, *선택 사항*) : 스케줄에 사용할 장치.

sigmas (`list[float]`, *선택 사항*) : 지원되지 않는 사용자 정의 시그마 스케줄입니다.

mu (`float`, *선택 사항*) : 지원되지 않는 dynamic-shift 매개변수입니다.

timesteps (`list[float]`, *선택 사항*) : 지원되지 않는 사용자 지정 timestep schedule입니다.

증류된 PiFlow의 timestep schedule을 설정합니다.

#### step[[diffusers.PiflowScheduler.step]]

```python
step(model_output: FloatTensor, timestep: typing.Union[float, torch.FloatTensor], sample: FloatTensor, return_dict: bool = True)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/schedulers/scheduling_piflow.py#L331)

**매개변수:**

model_output (*torch.FloatTensor*) : 샘플 채널당 `n_grid`개의 예측을 포함하는 확장된 모델 출력.

timestep (*float* 또는 *torch.FloatTensor*) : 현재 스케줄러의 timestep.

sample (*torch.FloatTensor*) : 현재 노이즈 샘플.

return_dict (*bool*, *optional*, 기본값 True) : [*PiflowSchedulerOutput*]를 반환할지 여부입니다.

**반환값:** [*PiflowSchedulerOutput*] 또는 *tuple*

업데이트된 샘플.

PiFlow 정책을 통합하여 한 단계 진전합니다.

## PiflowSchedulerOutput[[diffusers.schedulers.scheduling_piflow.PiflowSchedulerOutput]]

#### diffusers.schedulers.scheduling_piflow.PiflowSchedulerOutput[[diffusers.schedulers.scheduling_piflow.PiflowSchedulerOutput]]

```python
diffusers.schedulers.scheduling_piflow.PiflowSchedulerOutput(prev_sample: Tensor)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/schedulers/scheduling_piflow.py#L30)

**매개변수:**

prev_sample (`torch.Tensor`) : 다음 PiFlow 그리드 점에서 계산된 샘플. 다음 디노이징 입력으로 사용해야 합니다.

스케줄러의 `step` 함수 출력을 위한 출력 클래스입니다.