# LTXVideoTransformer3DModel

Lightricks tarafından [LTX](https://huggingface.co/Lightricks/LTX-Video) için 3B verilerde kullanılan bir Diffusion Transformer modeli tanıtıldı.

Model, aşağıdaki kod parçasıyla yüklenebilir.

```python
from diffusers import LTXVideoTransformer3DModel

transformer = LTXVideoTransformer3DModel.from_pretrained("Lightricks/LTX-Video", subfolder="transformer", dtype=torch.bfloat16).to("cuda")  # or "mps", "xpu", "cpu"
```

## LTXVideoTransformer3DModel[[diffusers.LTXVideoTransformer3DModel]]

#### diffusers.LTXVideoTransformer3DModel[[diffusers.LTXVideoTransformer3DModel]]

```python
diffusers.LTXVideoTransformer3DModel(in_channels: int = 128, out_channels: int = 128, patch_size: int = 1, patch_size_t: int = 1, num_attention_heads: int = 32, attention_head_dim: int = 64, cross_attention_dim: int = 2048, num_layers: int = 28, activation_fn: str = 'gelu-approximate', qk_norm: str = 'rms_norm_across_heads', norm_elementwise_affine: bool = False, norm_eps: float = 1e-06, caption_channels: int = 4096, attention_bias: bool = True, attention_out_bias: bool = True)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_ltx.py#L385)

**Parametreler:**

in_channels (`int`, varsayılan `128`) : Girdideki kanal sayısı.

out_channels (`int`, varsayılan `128`) : Çıktıdaki kanal sayısı.

patch_size (`int`, varsayılan `1`) : Yama gömme katmanında kullanılacak uzamsal yamaların boyutu.

patch_size_t (`int`, varsayılan `1`) : Yama gömme katmanında kullanılacak zamansal yamaların boyutu.

num_attention_heads (`int`, varsayılan `32`) : Çok başlı dikkat için kullanılacak baş sayısı.

attention_head_dim (`int`, varsayılan `64`) : Her baştaki kanal sayısı.

cross_attention_dim (`int`, varsayılan `2048 `) : Çapraz dikkat başlıkları için kanal sayısı.

num_layers (`int`, varsayılan `28`) : Kullanılacak Transformer bloğu katman sayısı.

activation_fn (`str`, varsayılan `"gelu-approximate"`) : İleri beslemeli ağda kullanılacak aktivasyon fonksiyonu.

qk_norm (`str`, varsayılan `"rms_norm_across_heads"`) : Kullanılacak normalizasyon katmanı.

[LTX](https://huggingface.co/Lightricks/LTX-Video) içinde kullanılan video benzeri veriler için bir Transformer modeli.

#### forward[[diffusers.LTXVideoTransformer3DModel.forward]]

```python
forward(hidden_states: Tensor, encoder_hidden_states: Tensor, timestep: LongTensor, encoder_attention_mask: Tensor, num_frames: int | None = None, height: int | None = None, width: int | None = None, rope_interpolation_scale: typing.Union[tuple[float, float, float], torch.Tensor, NoneType] = None, video_coords: typing.Optional[torch.Tensor] = None, attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_ltx.py#L494)

**Parametreler:**

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

encoder_hidden_states (`torch.Tensor`, şekli `(batch_size, sequence_len, embed_dims)`) : Kullanılacak koşullu gömlemeler (giriş koşullarından, örneğin istemlerden hesaplanan gömlemeler).

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

encoder_attention_mask (`torch.Tensor`) : Dikkat sırasında `encoder_hidden_states` uygulanan maske.

num_frames (`int`, *isteğe bağlı*) : Döner konumsal gömme hesaplamak için kullanılan videodaki kare sayısı.

height (`int`, *isteğe bağlı*) : Döner konumsal gömme hesaplamak için kullanılan latentin yüksekliği.

width (`int`, *isteğe bağlı*) : Döner konumsal gömme hesaplamak için kullanılan latentin genişliği.

rope_interpolation_scale (`tuple` of `float` or `torch.Tensor`, *opsiyonel*) : Döner konumsal gömlemeler tarafından kullanılan interpolasyon ölçeği.

video_coords (`torch.Tensor`, *isteğe bağlı*) : Döner konumsal gömme (rotary positional embeddings) tarafından kullanılan önceden hesaplanmış video koordinatları.

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:** `torch.Tensor`

`(batch_size, sequence_length, out_channels)` biçimindeki gürültüsü azaltılmış çıktı tensörü.

[LTXVideoTransformer3DModel](/docs/diffusers/main/tr/api/models/ltx_video_transformer3d#diffusers.LTXVideoTransformer3DModel) ileri yöntemi.

## Transformer2DModelOutput[[diffusers.models.modeling_outputs.Transformer2DModelOutput]]

#### diffusers.models.modeling_outputs.Transformer2DModelOutput[[diffusers.models.modeling_outputs.Transformer2DModelOutput]]

```python
diffusers.models.modeling_outputs.Transformer2DModelOutput(sample: torch.Tensor)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/modeling_outputs.py#L21)

**Parametreler:**

sample (`torch.Tensor`, şekli `(batch_size, num_channels, height, width)` veya [Transformer2DModel](/docs/diffusers/main/tr/api/models/transformer2d#diffusers.Transformer2DModel) ayrık (discrete) ise `(batch size, num_vector_embeds - 1, num_latent_pixels)`) : `encoder_hidden_states` girdisine koşullu gizli durum (hidden states) çıktısı. Ayrık (discrete) ise, gürültüsü olmayan (unnoised) gizli (latent) pikseller için olasılık dağılımlarını döndürür.

[Transformer2DModel](/docs/diffusers/main/tr/api/models/transformer2d#diffusers.Transformer2DModel)'nin çıktısı.