Hugging Face's logo

Diffusers documentation

ConsistencyDecoderScheduler

You are viewing main version, which requires installation from source. If you'd like regular pip install, checkout the latest stable version (v0.42.1).
Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

ConsistencyDecoderScheduler

Bu zamanlayıcı, ConsistencyDecoderPipeline'in bir parçasıdır ve DALL-E 3'te tanıtılmıştır.

Orijinal kod tabanı openai/consistency_models adresinde bulunabilir.

ConsistencyDecoderScheduler

sınıf diffusers.schedulers.ConsistencyDecoderScheduler

< >

( num_train_timesteps: int = 1024sigma_data: float = 0.5 )

Parametreler

  • num_train_timesteps (int, isteğe bağlı, varsayılan 1024) — Modelin eğitileceği difüzyon adım sayısı.
  • sigma_data (float, isteğe bağlı, varsayılan 0.5) — Veri dağılımının standart sapması. Atılma ve çıktı ölçekleme katsayılarını hesaplamak için kullanılır.

Stable Diffusion hatlarında kullanılan tutarlılık çözücü için bir zamanlayıcı.

Bu zamanlayıcı, gizli temsilleri görüntülere çözmek için tutarlılık modelleri kullanan iki aşamalı gürültü azaltma süreci uygular.

Bu model SchedulerMixin ve ConfigMixin sınıflarından devralır. Kütüphanenin tüm zamanlayıcılar için yükleme ve kaydetme gibi genel yöntemleri uyguladığı üst sınıf belgelendirmesini kontrol edin.

scale_model_input

< >

( sample: Tensortimestep: int | None = None ) → torch.Tensor

Parametreler

  • sample (torch.Tensor) — Girdi örneği.
  • timestep (int, isteğe bağlı) — Difüzyon zincirindeki mevcut zaman adımı.

Dönüş değeri

torch.Tensor

Ölçeklendirilmiş bir girdi örneği.

Gürültüden arındırma modelinin girdisinin mevcut zaman adımına bağlı olarak ölçeklenmesi gereken zamanlayıcılarla değiştirilebilirliği sağlar.

adım

< >

( model_output: Tensortimestep: typing.Union[float, torch.Tensor]sample: Tensorgenerator: typing.Optional[torch.Generator] = Nonereturn_dict: bool = True ) → ConsistencyDecoderSchedulerOutput or tuple

Parametreler

  • model_output (torch.Tensor) — Öğrenen difüzyon modelinden gelen doğrudan çıktı.
  • timestep (float veya torch.Tensor) — Difüzyon zincirindeki mevcut zaman adımı.
  • sample (torch.Tensor) — Difüzyon süreci tarafından oluşturulan bir örneğin mevcut bir örneği.
  • generator (torch.Generator, isteğe bağlı) — Tekrarlanabilirlik için rastgele sayı üreteci.
  • return_dict (bool, isteğe bağlı, varsayılan True) — ConsistencyDecoderSchedulerOutput veya tuple döndürülüp döndürülmemeye karar verir.

Dönüş değeri

ConsistencyDecoderSchedulerOutput veya tuple

return_dict True ise, ConsistencyDecoderSchedulerOutput döndürülür, aksi halde ilk öğesi örnek tensörü olan bir tuple döndürülür.

Önceki zaman adımındaki örneği SDE'yi tersine çevirerek tahmin edin. Bu işlev, öğrenilen model çıktılarını (en sık tahmin edilen gürültüyü) kullanarak difüzyon sürecini ilerletir.

Update on GitHub

←CogVideoXDPMScheduler CosineDPMSolverMultistepScheduler→