# ZImageTransformer2DModel

[Z-Image](https://huggingface.co/Tongyi-MAI/Z-Image-Turbo)'dan görüntü benzeri veriler için bir Transformer modeli.

## ZImageTransformer2DModel[[diffusers.ZImageTransformer2DModel]]

#### diffusers.ZImageTransformer2DModel[[diffusers.ZImageTransformer2DModel]]

```python
diffusers.ZImageTransformer2DModel(all_patch_size = (2,), all_f_patch_size = (1,), in_channels = 16, dim = 3840, n_layers = 30, n_refiner_layers = 2, n_heads = 30, n_kv_heads = 30, norm_eps = 1e-05, qk_norm = True, cap_feat_dim = 2560, siglip_feat_dim = None, rope_theta = 256.0, t_scale = 1000.0, axes_dims = [32, 48, 48], axes_lens = [1024, 512, 512])
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_z_image.py#L361)

#### forward[[diffusers.ZImageTransformer2DModel.forward]]

```python
forward(x: list, t, cap_feats: list, return_dict: bool = True, controlnet_block_samples: dict[int, torch.Tensor] | None = None, siglip_feats: list[list[torch.Tensor]] | None = None, image_noise_mask: list[list[int]] | None = None, patch_size: int = 2, f_patch_size: int = 1, joint_attention_kwargs: dict[str, typing.Any] | None = None)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_z_image.py#L896)

**Parametreler:**

x (`list` of `torch.Tensor` or nested `list` of `torch.Tensor`) : Girdi latentleri. Standart modda çalışırken düz bir liste, omni modunda çalışırken iç içe geçmiş bir liste.

t (`torch.Tensor`) : Gürültü azaltma adımını belirtmek için kullanılır.

cap_feats (`list` of `torch.Tensor` or nested `list` of `torch.Tensor`) : Kullanılacak koşullu başlık gömme değerleri (girdi koşullarından, örneğin istemlerden hesaplanan gömme değerleri).

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

controlnet_block_samples (`dict`, `int` ile `torch.Tensor` eşlemesi, *isteğe bağlı*) : Belirtilirse, transformer bloklarının artımlarına eklenen, blok indeksinden tensöre giden bir eşleme.

siglip_feats (`list` of `list` of `torch.Tensor`, *opsiyonel*) : Ek koşullandırma olarak kullanılan isteğe bağlı SigLIP görüntü özellikleri.

image_noise_mask (`list` of `list` of `int`, *opsiyonel*) : Omni modunda gürültülü ve temiz tokenları gösteren görüntü başına gürültü maskeleri.

patch_size (`int`, *isteğe bağlı*, varsayılan 2) : Girdi latentlerini parçalamak için kullanılan uzamsal yama boyutu.

f_patch_size (`int`, *isteğe bağlı*, varsayılan 1) : Girdi latentlerini parçalamak için kullanılan zamansal yama boyutu.

joint_attention_kwargs (`dict`, *isteğe bağlı*) : Bir kwargs sözlüğü. Yalnızca `scale` girdisi kullanılır, LoRA katmanlarını ölçeklemek için.

**Dönüş:**

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

[ZImageTransformer2DModel](/docs/diffusers/main/tr/api/models/z_image_transformer2d#diffusers.ZImageTransformer2DModel) ileri yöntemi.

Akış: patchify -> t_embed -> x_embed -> x_refine -> cap_embed -> cap_refine -> [siglip_embed -> siglip_refine] -> build_unified -> main_layers -> final_layer -> unpatchify

#### patchify_and_embed[[diffusers.ZImageTransformer2DModel.patchify_and_embed]]

```python
patchify_and_embed(all_image: list, all_cap_feats: list, patch_size: int, f_patch_size: int)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_z_image.py#L590)

Temel mod için Patchify: batch öğesi başına tek görüntü.

#### patchify_and_embed_omni[[diffusers.ZImageTransformer2DModel.patchify_and_embed_omni]]

```python
patchify_and_embed_omni(all_x: list, all_cap_feats: list, all_siglip_feats: list, patch_size: int, f_patch_size: int, images_noise_mask: list)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_z_image.py#L627)

Omni modu için Patchify: gürültü maskeleriyle batch öğesi başına birden fazla görüntü.