# ChromaTransformer2DModel

[Chroma](https://huggingface.co/lodestones/Chroma1-HD)'dan değiştirilmiş bir flux Transformer modeli

## ChromaTransformer2DModel[[diffusers.ChromaTransformer2DModel]]

#### diffusers.ChromaTransformer2DModel[[diffusers.ChromaTransformer2DModel]]

```python
diffusers.ChromaTransformer2DModel(patch_size: int = 1, in_channels: int = 64, out_channels: int | None = None, num_layers: int = 19, num_single_layers: int = 38, attention_head_dim: int = 128, num_attention_heads: int = 24, joint_attention_dim: int = 4096, axes_dims_rope: tuple = (16, 56, 56), approximator_num_channels: int = 64, approximator_hidden_dim: int = 5120, approximator_layers: int = 5)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_chroma.py#L359)

**Parametreler:**

patch_size (`int`, varsayılan `1`) : Girdi verilerini küçük yamalar (patch) haline getirmek için kullanılan yama boyutu.

in_channels (`int`, varsayılan `64`) : Girdideki kanal sayısı.

out_channels (`int`, *isteğe bağlı*, varsayılan `None`) : Çıktıdaki kanal sayısı. Belirtilmezse, varsayılan olarak `in_channels` değerini alır.

num_layers (`int`, varsayılan `19`) : Kullanılacak çift akışlı DiT bloklarının katman sayısı.

num_single_layers (`int`, varsayılan `38`) : Kullanılacak tek akışlı DiT bloklarının katman sayısı.

attention_head_dim (`int`, varsayılan `128`) : Her dikkat başlığı için kullanılacak boyut sayısı.

num_attention_heads (`int`, varsayılan `24`) : Kullanılacak dikkat başı sayısı.

joint_attention_dim (`int`, varsayılan `4096`) : Ortak dikkat için kullanılacak boyut sayısı (`encoder_hidden_states`'in gömme/kanal boyutu).

axes_dims_rope (`tuple[int]`, varsayılan `(16, 56, 56)`) : Döner konumsal gömme (rotary positional embeddings) için kullanılacak boyutlar.

Flux'ta tanıtılan ve Chroma için değiştirilen Transformer modeli.

Referans: https://huggingface.co/lodestones/Chroma1-HD

#### forward[[diffusers.ChromaTransformer2DModel.forward]]

```python
forward(hidden_states: Tensor, encoder_hidden_states: Tensor = None, timestep: LongTensor = None, img_ids: Tensor = None, txt_ids: Tensor = None, attention_mask: Tensor = None, joint_attention_kwargs: dict[str, typing.Any] | None = None, controlnet_block_samples = None, controlnet_single_block_samples = None, return_dict: bool = True, controlnet_blocks_repeat: bool = False)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_chroma.py#L465)

**Parametreler:**

hidden_states (`torch.Tensor`, şekli `(batch_size, image_sequence_length, in_channels)`) : Girdi `hidden_states`.

encoder_hidden_states (`torch.Tensor`, şekli `(batch_size, text_sequence_length, joint_attention_dim)`) : Kullanılacak koşullu gömlemeler (promptlar gibi girdi koşullarından hesaplanan gömlemeler).

timestep ( `torch.LongTensor`) : Gürültü azaltma adımını belirtmek için kullanılır.

img_ids (`torch.Tensor`) : Döner konumsal gömme hesaplamalarında kullanılan görüntü konum kimlikleri.

txt_ids (`torch.Tensor`) : Döner konumsal gömme hesaplamalarında kullanılan metin konum kimlikleri.

attention_mask (`torch.Tensor`, *isteğe bağlı*) : Dikkat sırasında `encoder_hidden_states`'e uygulanan maske.

controlnet_block_samples (`list` of `torch.Tensor`, *opsiyonel*) : Belirtilirse, transformer bloklarının artıklarına eklenen tensörlerin listesi.

controlnet_single_block_samples (`list` of `torch.Tensor`, *opsiyonel*) : Belirtilirse, tekil transformer bloklarının artımlarına eklenen tensörlerin listesi.

controlnet_blocks_repeat (`bool`, *isteğe bağlı*, varsayılan `False`) : Controlnet blok örneklerinin tüm transformer blokları boyunca tekrarlanıp tekrarlanmayacağını belirtir.

joint_attention_kwargs (`dict`, *isteğe bağlı*) : Belirtilirse, [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py) içinde `self.processor` altında tanımlanan `AttentionProcessor`'a iletilen bir kwargs sözlüğü.

return_dict (`bool`, *isteğe bağlı*, varsayılan `True`) : Düz bir tuple yerine `~models.transformer_2d.Transformer2DModelOutput` döndürülüp döndürülmediğini belirtir.

**Dönüş:**

`return_dict` True ise, `~models.transformer_2d.Transformer2DModelOutput` döndürülür, aksi takdirde ilk öğesi örnek tensörü olan bir `tuple` döndürülür.

[FluxTransformer2DModel](/docs/diffusers/main/tr/api/models/flux_transformer#diffusers.FluxTransformer2DModel) ileri yöntemi.