# LuminaNextDiT2DModel

[Lumina-T2X](https://github.com/Alpha-VLLM/Lumina-T2X)'ten 2B veriler için Diffusion Transformer modelinin bir sonraki sürümü.

## LuminaNextDiT2DModel[[diffusers.LuminaNextDiT2DModel]]

#### diffusers.LuminaNextDiT2DModel[[diffusers.LuminaNextDiT2DModel]]

```python
diffusers.LuminaNextDiT2DModel(sample_size: int = 128, patch_size: int | None = 2, in_channels: int | None = 4, hidden_size: int | None = 2304, num_layers: int | None = 32, num_attention_heads: int | None = 32, num_kv_heads: int | None = None, multiple_of: int | None = 256, ffn_dim_multiplier: float | None = None, norm_eps: float | None = 1e-05, learn_sigma: bool | None = True, qk_norm: bool | None = True, cross_attention_dim: int | None = 2048, scaling_factor: float | None = 1.0)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/lumina_nextdit2d.py#L178)

**Parametreler:**

sample_size (`int`) : Gizil görüntülerin genişliği. Bu, konum gömme sayısını öğrenmek için kullanıldığından eğitim sırasında sabittir.

patch_size (`int`, *isteğe bağlı*, (`int`, *isteğe bağlı*, varsayılan 2) : Görüntüdeki her yamanın boyutu. Bu parametre, modele beslenen yamaların çözünürlüğünü tanımlar.

in_channels (`int`, *isteğe bağlı*, varsayılan 4) : Modelin giriş kanal sayısı. Genellikle bu, giriş görüntülerindeki kanal sayısıyla eşleşir.

hidden_size (`int`, *isteğe bağlı*, varsayılan 4096) : Modeldeki gizli katmanların boyutluluğu. Bu parametre, modelin gizli temsillerinin genişliğini belirler.

num_layers (`int`, *isteğe bağlı*, varsayılan 32) : Modeldeki katman sayısı. Bu, sinir ağı derinliğini tanımlar.

num_attention_heads (`int`, *isteğe bağlı*, varsayılan 32) : Her dikkat katmanındaki dikkat başlarının sayısı. Bu parametre, kaç ayrı dikkat mekanizmasının kullanıldığını belirtir.

num_kv_heads (`int`, *isteğe bağlı*, varsayılan 8) : Dikkat mekanizmasındaki anahtar-değer başlarının sayısı, dikkat başlarının sayısından farklıysa. None ise, varsayılan olarak num_attention_heads değerini alır.

multiple_of (`int`, *isteğe bağlı*, varsayılan 256) : Gizli boyutun katı olması gereken bir çarpan. Bu, belirli donanım yapılandırmalarını optimize etmeye yardımcı olabilir.

ffn_dim_multiplier (`float`, *isteğe bağlı*) : İleri beslemeli ağın boyutluluğu için bir çarpan. None ise, model yapılandırmasına dayalı bir varsayılan değer kullanılır.

norm_eps (`float`, *opsiyonel*, varsayılan 1e-5) : Normalizasyon katmanlarında sayısal kararlılık için paydaya eklenen küçük bir değer.

learn_sigma (`bool`, *isteğe bağlı*, varsayılan True) : Modelin, tahminlerdeki belirsizlik veya varyansla ilgili olabilecek sigma parametresini öğrenip öğrenmemesi.

qk_norm (`bool`, *isteğe bağlı*, varsayılan True) : Dikkat mekanizmasındaki sorguların ve anahtarların normalize edilip edilmeyeceğini belirtir.

cross_attention_dim (`int`, *isteğe bağlı*, varsayılan 2048) : Metin gömme boyutluluğu. Bu parametre, modelde kullanılan metin temsilcilerinin boyutunu tanımlar.

scaling_factor (`float`, *isteğe bağlı*, varsayılan 1.0) : Modeldeki belirli parametrelere veya katmanlara uygulanan bir ölçekleme faktörü. Bu, modelin işlemlerinin genel ölçeğini ayarlamak için kullanılabilir.

LuminaNextDiT: Transformer omurgalı bir difüzyon modeli.

diffusers'taki StableDiffusionPipeline örnekleme cihazıyla uyumlu olmak için ModelMixin ve ConfigMixin sınıflarından devralın.

#### forward[[diffusers.LuminaNextDiT2DModel.forward]]

```python
forward(hidden_states: Tensor, timestep: Tensor, encoder_hidden_states: Tensor, encoder_mask: Tensor, image_rotary_emb: Tensor, cross_attention_kwargs: dict = None, return_dict = True)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/lumina_nextdit2d.py#L291)

**Parametreler:**

hidden_states (torch.Tensor) : (N, C, H, W) biçiminde girdi tensörü.

timestep (torch.Tensor) : (N,) biçiminde difüzyon zaman adımlarını içeren tensör.

encoder_hidden_states (torch.Tensor) : (N, D) biçiminde başlık özellikleri tensörü.

encoder_mask (torch.Tensor) : (N, L) biçiminde başlık maskeleri tensörü.

image_rotary_emb (`torch.Tensor`) : Ön hesaplanmış döner konumsal gömme (embedding) değerleri.

cross_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:** `~models.transformer_2d.Transformer2DModelOutput` veya `tuple`

`return_dict` True ise, `~models.transformer_2d.Transformer2DModelOutput` döndürülür, aksi takdirde düz bir `tuple` döndürülür.

LuminaNextDiT'in ileri geçişi.