Hugging Face's logo

Diffusers documentation

HeliosDMDScheduler

You are viewing main version, which requires installation from source. If you'd like regular pip install, checkout the latest stable version (v0.43.0).
Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

HeliosDMDScheduler

HeliosDMDScheduler é baseado no amostramento de fluxo-piramidal introduzido em Helios.

HeliosDMDScheduler

classe diffusers.HeliosDMDScheduler

< >

( num_train_timesteps: int = 1000shift: float = 1.0stages: int = 3stage_range: list = [0, 0.3333333333333333, 0.6666666666666666, 1]gamma: float = 0.3333333333333333prediction_type: str = 'flow_prediction'use_flow_sigmas: bool = Trueuse_dynamic_shifting: bool = Falsetime_shift_type: typing.Literal['exponential', 'linear'] = 'linear' )

init_sigmas

< >

( )

inicializar os timesteps e sigmas globais

init_sigmas_for_each_stage

< >

( )

Inicialize os timesteps para cada etapa

set_begin_index

< >

( begin_index: int = 0 )

Parâmetros

  • begin_index (int) — O índice inicial do agendador.

Define o índice inicial para o agendador. Esta função deve ser executada a partir do pipeline antes da inferência.

set_timesteps

< >

( num_inference_steps: intstage_index: int | None = Nonedevice: typing.Union[str, torch.device] = Nonesigmas: bool | None = Nonemu: bool | None = Noneis_amplify_first_chunk: bool = False )

Definindo os timesteps e sigmas para cada etapa

time_shift

< >

( mu: floatsigma: floatt: Tensor ) → torch.Tensor

Parâmetros

  • mu (float) — O parâmetro mu para o deslocamento de tempo.
  • sigma (float) — O parâmetro sigma para o deslocamento de tempo.
  • t (torch.Tensor) — Os passos de tempo de entrada.

Retorna

torch.Tensor

Os timesteps deslocados no tempo.

Aplicar o deslocamento temporal aos sigmas.

scheduling_helios_dmd

Update on GitHub

←FlowMatchHeunDiscreteScheduler HeliosScheduler→