# BriaFiboTransformer2DModel

Um modelo Transformer de fluxo modificado da [Bria](https://huggingface.co/briaai/FIBO)

## BriaFiboTransformer2DModel[[diffusers.BriaFiboTransformer2DModel]]

#### diffusers.BriaFiboTransformer2DModel[[diffusers.BriaFiboTransformer2DModel]]

```python
diffusers.BriaFiboTransformer2DModel(patch_size: int = 1, in_channels: int = 64, num_layers: int = 19, num_single_layers: int = 38, attention_head_dim: int = 128, num_attention_heads: int = 24, joint_attention_dim: int = 4096, pooled_projection_dim: int = None, guidance_embeds: bool = False, axes_dims_rope: list[int] = [16, 56, 56], rope_theta = 10000, time_theta = 10000, text_encoder_dim: int = 2048)
```

[Fonte](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_bria_fibo.py#L428)

**Parâmetros:**

patch_size (`int`) : Tamanho do patch para dividir os dados de entrada em pequenos patches.

in_channels (`int`, *opcional*, padrão 16) : O número de canais na entrada.

num_layers (`int`, *opcional*, padrão 18) : O número de blocos MMDiT a serem usados.

num_single_layers (`int`, *opcional*, padrão 18) : O número de camadas de blocos DiT únicos a serem usados.

attention_head_dim (`int`, *opcional*, padrão 64) : O número de canais em cada head.

num_attention_heads (`int`, *opcional*, padrão 18) : O número de cabeças a serem usadas para a atenção multi-cabeça.

joint_attention_dim (`int`, *opcional*) : O número de dimensões de `encoder_hidden_states` a serem usadas.

pooled_projection_dim (`int`) : Número de dimensões a serem usadas ao projetar as `pooled_projections`.

guidance_embeds (`bool`, padrão é False) : Se deve usar embeddings de orientação.

... --

#### forward[[diffusers.BriaFiboTransformer2DModel.forward]]

```python
forward(hidden_states: Tensor, encoder_hidden_states: Tensor = None, text_encoder_layers: list = None, pooled_projections: 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)
```

[Fonte](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_bria_fibo.py#L510)

**Parâmetros:**

hidden_states (`torch.FloatTensor` de forma `(batch size, channel, height, width)`) : `hidden_states` de entrada.

encoder_hidden_states (`torch.FloatTensor` de forma `(batch size, sequence_len, embed_dims)`) : Embeddings condicionais (embeddings calculados a partir das condições de entrada, como prompts) a serem usados.

text_encoder_layers (`list` de `torch.Tensor`) : Estados ocultos do codificador de texto por bloco, um tensor por bloco do transformer.

pooled_projections (`torch.FloatTensor` de forma `(batch_size, projection_dim)`) : Embebimentos projetados a partir dos embebimentos das condições de entrada.

timestep ( `torch.LongTensor`) : Usado para indicar o passo de remoção de ruído.

img_ids (`torch.Tensor`) : ids de posição de imagem usados para calcular os embeddings posicionais rotativos.

txt_ids (`torch.Tensor`) : ids de posição de texto usados para calcular os embeddings posicionais rotativos.

guidance (`torch.Tensor`, *opcional*) : Embedding de escala de orientação usado para variantes destiladas por orientação do modelo.

joint_attention_kwargs (`dict`, *opcional*) : Um dicionário de kwargs que, se especificado, é passado para o `AttentionProcessor` conforme definido em `self.processor` em [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py).

return_dict (`bool`, *opcional*, padrão `True`) : Indica se deve retornar um `~models.transformer_2d.Transformer2DModelOutput` em vez de uma tupla simples.

**Retorna:**

Se `return_dict` for True, um `~models.transformer_2d.Transformer2DModelOutput` é retornado; caso contrário, uma `tuple` onde o primeiro elemento é o tensor da amostra.