Hugging Face's logo

Diffusers documentation

AutoencoderKLKVAE

You are viewing main version, which requires installation from source. If you'd like regular pip install, checkout the latest stable version (v0.42.1).
Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

AutoencoderKLKVAE

KL kaybına sahip 2B varyasyonel otoenkoder (VAE) modeli.

Model, aşağıdaki kod parçasıyla yüklenebilir.

import torch
from diffusers import AutoencoderKLKVAE

vae = AutoencoderKLKVAE.from_pretrained("kandinskylab/KVAE-2D-1.0", subfolder="diffusers", dtype=torch.bfloat16)

AutoencoderKLKVAE

sınıf diffusers.AutoencoderKLKVAE

< >

( in_channels: int = 3channels: int = 128num_enc_blocks: int = 2num_dec_blocks: int = 2z_channels: int = 16double_z: bool = Truech_mult: typing.Tuple[int, ...] = (1, 2, 4, 8)sample_size: int = 1024 )

Parametreler

  • in_channels (int, isteğe bağlı, varsayılan 3) — Girdi görüntüsündeki kanal sayısı.
  • channels (int, isteğe bağlı, varsayılan 128) — Çok çözünürlüklü bloklardaki temel kanal sayısı.
  • num_enc_blocks (int, isteğe bağlı, varsayılan 2) — Kodlayıcı çok çözünürlüklü katmanlarındaki Resnet bloklarının sayısı.
  • num_dec_blocks (int, isteğe bağlı, varsayılan 2) — Çözücü çok çözünürlüklü katmanlarındaki Resnet bloklarının sayısı.
  • z_channels (int, isteğe bağlı, varsayılan 16) — Gizli uzaydaki kanal sayısı.
  • double_z (bool, isteğe bağlı, varsayılan True) — Encoder'ın çıktı kanal sayısını iki katına çıkarıp çıkarmayacağı.
  • ch_mult (Tuple[int, ...], isteğe bağlı, varsayılan (1, 2, 4, 8)) — Çok çözünürlüklü bloklardaki kanal çarpanları.
  • sample_size (int, isteğe bağlı, varsayılan 1024) — Örnek giriş boyutu.

Görselleri latentlere kodlamak ve latent temsilleri görsellere çözmek için KL kaybı kullanan bir VAE modeli.

Bu model ModelMixin sınıfından devralır. Tüm modeller için uygulanan genel yöntemlerini (indirme veya kaydetme gibi) görmek için üst sınıfın belgelerine bakın.

decode

< >

( z: FloatTensorreturn_dict: bool = Truegenerator = None ) → ~models.vae.DecoderOutput or tuple

Parametreler

  • z (torch.Tensor) — Girdi partisi latent vektörleri.
  • return_dict (bool, isteğe bağlı, varsayılan True) — Düz bir tuple yerine ~models.vae.DecoderOutput döndürülüp döndürülmemesi.

Dönüş değeri

~models.vae.DecoderOutput veya tuple

return_dict True ise, ~models.vae.DecoderOutput döndürülür, aksi takdirde düz bir tuple döndürülür.

Bir görüntü grubunu çözümlen.

encode

< >

( x: Tensorreturn_dict: bool = True )

Parametreler

  • x (torch.Tensor) — Görsellerin giriş partisi.
  • return_dict (bool, isteğe bağlı, varsayılan True) — Düz bir tuple yerine ~models.autoencoder_kl.AutoencoderKLOutput döndürülüp döndürülmediğini belirtir.

Bir görüntü grubunu latentlere kodlayın.

forward

< >

( sample: Tensorsample_posterior: bool = Falsereturn_dict: bool = Truegenerator: typing.Optional[torch.Generator] = None ) → ~models.vae.DecoderOutput or tuple

Parametreler

  • sample (torch.Tensor) — Girdi örneği.
  • sample_posterior (bool, isteğe bağlı, varsayılan False) — Posterior'dan örneklemeye alınıp alınmayacağı.
  • return_dict (bool, isteğe bağlı, varsayılan True) — Düz bir tuple yerine DecoderOutput döndürülüp döndürülmemesi.
  • generator (torch.Generator, isteğe bağlı) — Örnekleme işlemini deterministik hale getirmek için kullanılan bir torch.Generator.

Dönüş değeri

~models.vae.DecoderOutput veya tuple

return_dict True ise, ~models.vae.DecoderOutput döndürülür, aksi takdirde düz bir tuple döndürülür.

tiled_decode

< >

( z: Tensorreturn_dict: bool = True ) → ~models.vae.DecoderOutput or tuple

Parametreler

  • z (torch.Tensor) — Girdi partisi latent vektörleri.
  • return_dict (bool, isteğe bağlı, varsayılan True) — Düz bir tuple yerine ~models.vae.DecoderOutput döndürülüp döndürülmemesi.

Dönüş değeri

~models.vae.DecoderOutput veya tuple

return_dict True ise, ~models.vae.DecoderOutput döndürülür, aksi takdirde düz bir tuple döndürülür.

Bir görüntü grubunu karolarlı bir çözücü kullanarak çözümlen.

Update on GitHub

←AutoencoderKLHunyuanVideo15 AutoencoderKLKVAEAudio→