# OvisImageTransformer2DModel

Model, aşağıdaki kod parçasıyla yüklenebilir.

```python
from diffusers import OvisImageTransformer2DModel

transformer = OvisImageTransformer2DModel.from_pretrained("AIDC-AI/Ovis-Image-7B", subfolder="transformer", dtype=torch.bfloat16)
```

## OvisImageTransformer2DModel[[diffusers.OvisImageTransformer2DModel]]

#### diffusers.OvisImageTransformer2DModel[[diffusers.OvisImageTransformer2DModel]]

```python
diffusers.OvisImageTransformer2DModel(patch_size: int = 1, in_channels: int = 64, out_channels: int | None = 64, num_layers: int = 6, num_single_layers: int = 27, attention_head_dim: int = 128, num_attention_heads: int = 24, joint_attention_dim: int = 2048, axes_dims_rope: tuple = (16, 56, 56))
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_ovis_image.py#L384)

**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 `6`) : Kullanılacak çift akışlı DiT bloklarının katman sayısı.

num_single_layers (`int`, varsayılan `27`) : 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 `2048`) : 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.

Ovis-Image'de tanıtılan Transformer modeli.

Referans: https://github.com/AIDC-AI/Ovis-Image

#### forward[[diffusers.OvisImageTransformer2DModel.forward]]

```python
forward(hidden_states: Tensor, encoder_hidden_states: Tensor = None, timestep: LongTensor = None, img_ids: Tensor = None, txt_ids: Tensor = None, joint_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_ovis_image.py#L476)

**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`): Görsel jetonlar için konum kimlikleri.

txt_ids (`torch.Tensor`) : Metin belirteçleri için konum kimlikleri.

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.

[OvisImageTransformer2DModel](/docs/diffusers/main/tr/api/models/ovisimage_transformer2d#diffusers.OvisImageTransformer2DModel) ileri yöntemi.