# SkyReelsV2Transformer3DModel

Skywork AI tarafından [SkyReels-V2](https://github.com/SkyworkAI/SkyReels-V2) ile 3D video benzeri veriler için bir Diffusion Transformer modeli tanıtılmıştır.

Model, aşağıdaki kod parçasıyla yüklenebilir.

```python
from diffusers import SkyReelsV2Transformer3DModel

transformer = SkyReelsV2Transformer3DModel.from_pretrained("Skywork/SkyReels-V2-DF-1.3B-540P-Diffusers", subfolder="transformer", dtype=torch.bfloat16)
```

## SkyReelsV2Transformer3DModel[[diffusers.SkyReelsV2Transformer3DModel]]

#### diffusers.SkyReelsV2Transformer3DModel[[diffusers.SkyReelsV2Transformer3DModel]]

```python
diffusers.SkyReelsV2Transformer3DModel(patch_size: tuple = (1, 2, 2), num_attention_heads: int = 16, attention_head_dim: int = 128, in_channels: int = 16, out_channels: int = 16, text_dim: int = 4096, freq_dim: int = 256, ffn_dim: int = 8192, num_layers: int = 32, cross_attn_norm: bool = True, qk_norm: str | None = 'rms_norm_across_heads', eps: float = 1e-06, image_dim: int | None = None, added_kv_proj_dim: int | None = None, rope_max_seq_len: int = 1024, pos_embed_seq_len: int | None = None, inject_sample_info: bool = False, num_frame_per_block: int = 1)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_skyreels_v2.py#L518)

**Parametreler:**

patch_size (`tuple[int]`, varsayılan `(1, 2, 2)`) : Video gömme için 3B yama boyutları (t_patch, h_patch, w_patch).

num_attention_heads (`int`, varsayılan `16`) : Metin gömme (embedding) için sabit uzunluk.

attention_head_dim (`int`, varsayılan `128`) : Her baştaki kanal sayısı.

in_channels (`int`, varsayılan `16`) : Girdideki kanal sayısı.

out_channels (`int`, varsayılan `16`) : Çıktıdaki kanal sayısı.

text_dim (`int`, varsayılan `4096`) : Metin gömme girdi boyutu.

freq_dim (`int`, varsayılan `256`) : Sinüzoidal zaman gömme boyutu.

ffn_dim (`int`, varsayılan `8192`) : İleri beslemeli ağdaki ara boyut.

num_layers (`int`, varsayılan `32`) : Kullanılacak transformer bloğu katman sayısı.

window_size (`tuple[int]`, varsayılan `(-1, -1)`) : Yerel dikkat için pencere boyutu (-1, global dikkat olduğunu belirtir).

cross_attn_norm (`bool`, varsayılan `True`) : Çapraz dikkat normalizasyonunu etkinleştirir.

qk_norm (`str`, *isteğe bağlı*, varsayılan `"rms_norm_across_heads"`) : Sorgu/anahtar normalizasyonunu etkinleştirir.

eps (`float`, varsayılan `1e-6`) : Normalizasyon katmanları için epsilon değeri.

inject_sample_info (`bool`, varsayılan `False`) : Model içine örnek bilgisinin enjekte edilip edilmeyeceğini belirtir.

image_dim (`int`, *isteğe bağlı*) : Görsel gömme boyutu.

added_kv_proj_dim (`int`, *isteğe bağlı*) : Eklenen anahtar/değer projeksiyonunun boyutu.

rope_max_seq_len (`int`, varsayılan `1024`) : Döner gömme (rotary embeddings) için maksimum dizi uzunluğu.

pos_embed_seq_len (`int`, *isteğe bağlı*) : Konumsal gömme (embedding) için dizi uzunluğu.

Wan tabanlı SkyReels-V2 modelinde kullanılan, video benzeri veriler için bir Transformer modeli.

#### forward[[diffusers.SkyReelsV2Transformer3DModel.forward]]

```python
forward(hidden_states: Tensor, timestep: LongTensor, encoder_hidden_states: Tensor, encoder_hidden_states_image: typing.Optional[torch.Tensor] = None, enable_diffusion_forcing: bool = False, fps: typing.Optional[torch.Tensor] = None, return_dict: bool = True, attention_kwargs: dict[str, typing.Any] | None = None)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_skyreels_v2.py#L633)

**Parametreler:**

hidden_states (`torch.Tensor`, şekli `(batch_size, num_channels, num_frames, height, width)`) : Girdi `hidden_states`.

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

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

encoder_hidden_states_image (`torch.Tensor`, *isteğe bağlı*) : Görsel koşullu üretim için koşullu görsel gömme değerleri.

enable_diffusion_forcing (`bool`, *isteğe bağlı*, varsayılan `False`) : Difüzyon zorlamasının (blok başına nedensel maskeleme) etkinleştirilip etkinleştirilmeyeceği.

fps (`torch.Tensor`, *isteğe bağlı*) : FPS koşullandırma gömme (embedding).

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

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.

**Dönüş:**

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

[SkyReelsV2Transformer3DModel](/docs/diffusers/main/tr/api/models/skyreels_v2_transformer_3d#diffusers.SkyReelsV2Transformer3DModel) ileri (forward) 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.