# WanTransformer3DModel

3D video benzeri veriler için bir Diffusion Transformer modeli, Alibaba Wan Team tarafından [Wan 2.1](https://github.com/Wan-Video/Wan2.1)'de tanıtıldı.

Model, aşağıdaki kod parçasıyla yüklenebilir.

```python
from diffusers import WanTransformer3DModel

transformer = WanTransformer3DModel.from_pretrained("Wan-AI/Wan2.1-T2V-1.3B-Diffusers", subfolder="transformer", dtype=torch.bfloat16)
```

## WanTransformer3DModel[[diffusers.WanTransformer3DModel]]

#### diffusers.WanTransformer3DModel[[diffusers.WanTransformer3DModel]]

```python
diffusers.WanTransformer3DModel(patch_size: tuple = (1, 2, 2), num_attention_heads: int = 40, attention_head_dim: int = 128, in_channels: int = 16, out_channels: int = 16, text_dim: int = 4096, freq_dim: int = 256, ffn_dim: int = 13824, num_layers: int = 40, 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)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_wan.py#L507)

**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 `40`) : 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 `512`) : Metin gömme girdi boyutu.

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

ffn_dim (`int`, varsayılan `13824`) : İleri beslemeli ağdaki ara boyut.

num_layers (`int`, varsayılan `40`) : 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 (`bool`, varsayılan `True`) : Sorgu/anahtar normalizasyonunu etkinleştirir.

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

add_img_emb (`bool`, varsayılan `False`) : img_emb kullanılacak mı?

added_kv_proj_dim (`int`, *isteğe bağlı*, varsayılan `None`) : Eklenen anahtar ve değer projeksiyonları için kullanılacak kanal sayısı. `None` ise projeksiyon kullanılmaz.

Wan modelinde kullanılan, video benzeri veriler için bir Transformer modeli.

#### forward[[diffusers.WanTransformer3DModel.forward]]

```python
forward(hidden_states: Tensor, timestep: LongTensor, encoder_hidden_states: Tensor, encoder_hidden_states_image: 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_wan.py#L628)

**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.

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.

[WanTransformer3DModel](/docs/diffusers/main/tr/api/models/wan_transformer_3d#diffusers.WanTransformer3DModel) 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.