Hugging Face's logo

Diffusers documentation

FlowMatchHeunDiscreteScheduler

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

FlowMatchHeunDiscreteScheduler

FlowMatchHeunDiscreteScheduler, EDM'de tanıtılan akış eşleştirme örneklemesine dayanmaktadır.

FlowMatchHeunDiscreteScheduler

sınıf diffusers.FlowMatchHeunDiscreteScheduler

< >

( num_train_timesteps: int = 1000shift: float = 1.0 )

Parametreler

  • num_train_timesteps (int, varsayılan 1000) — Modelin eğitileceği difüzyon adım sayısı.
  • shift (float, varsayılan 1.0) — Zaman adımı zaman çizelgesi için kaydırma değeri.

Heun zamanlayıcı.

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

index_for_timestep

< >

( timestep: typing.Union[float, torch.FloatTensor]schedule_timesteps: typing.Optional[torch.FloatTensor] = None ) → int

Parametreler

  • timestep (float veya torch.FloatTensor) — Zamanlamada (schedule) bulunacak timestep değeri.
  • schedule_timesteps (torch.FloatTensor, isteğe bağlı) — Aranacak timestep zaman çizelgesi. None ise self.timesteps kullanılır.

Dönüş değeri

int

Zaman adımı planındaki zaman adımının indeksi.

Verilen zaman adımının zaman adımı zaman çizelgesindeki indeksini bulun.

scale_noise

< >

( sample: FloatTensortimestep: typing.Union[float, torch.FloatTensor]noise: FloatTensor ) → torch.FloatTensor

Parametreler

  • sample (torch.FloatTensor) — Girdi örneği.
  • timestep (float veya torch.FloatTensor) — Difüzyon zincirindeki mevcut zaman adımı.
  • noise (torch.FloatTensor) — Gürültü tensörü.

Dönüş değeri

torch.FloatTensor

Ölçeklendirilmiş bir girdi örneği.

Akış eşleştirmede ileri süreç

set_begin_index

< >

( begin_index: int = 0 )

Parametreler

  • begin_index (int, varsayılan 0) — Zamanlayıcı için başlangıç indeksi.

Zamanlayıcının başlangıç indeksini ayarlar. Bu işlev, çıkarım (inference) öncesinde pipeline'dan çalıştırılmalıdır.

set_timesteps

< >

( num_inference_steps: intdevice: typing.Union[str, torch.device] = None )

Parametreler

  • num_inference_steps (int) — Önceden eğitilmiş bir modelle örnekler oluşturulurken kullanılan difüzyon adım sayısı.
  • device (str veya torch.device, isteğe bağlı) — Adımların (timesteps) taşınacağı cihaz. None ise adımlar taşınmaz.

Difüzyon zinciri için kullanılan ayrık zaman adımlarını ayarlar (çalıştırılmadan önce çıkarım yapılmalıdır).

adım

< >

( model_output: FloatTensortimestep: typing.Union[float, torch.FloatTensor]sample: FloatTensors_churn: float = 0.0s_tmin: float = 0.0s_tmax: float = infs_noise: float = 1.0generator: typing.Optional[torch.Generator] = Nonereturn_dict: bool = True ) → FlowMatchHeunDiscreteSchedulerOutput or tuple

Parametreler

  • model_output (torch.FloatTensor) — Öğrenen difüzyon modelinden gelen doğrudan çıktı.
  • timestep (float veya torch.FloatTensor) — Difüzyon zincirindeki mevcut ayrık zaman adımı.
  • sample (torch.FloatTensor) — Difüzyon süreci tarafından oluşturulan bir örneğin mevcut bir örneği.
  • s_churn (float) — Örnekleme sırasında eklenen gürültü miktarını kontrol eden stokastisite parametresi. Daha yüksek değerler rastgeleliği artırır.
  • s_tmin (float) — Stokastisitenin uygulanması için minimum zaman adımı eşiği. Sadece bu değerin üzerindeki zaman adımlarına gürültü eklenir.
  • s_tmax (float) — Stokastisitenin uygulanması için maksimum zaman adımı eşiği. Sadece bu değerin altındaki zaman adımlarına gürültü eklenir.
  • s_noise (float, varsayılan 1.0) — Örneğe eklenen gürültü için ölçekleme faktörü.
  • generator (torch.Generator, isteğe bağlı) — Rastgele sayı üreteci.
  • return_dict (bool) — FlowMatchHeunDiscreteSchedulerOutput demeti döndürülüp döndürülmemesi.

Dönüş değeri

FlowMatchHeunDiscreteSchedulerOutput veya tuple

return_dict True ise, FlowMatchHeunDiscreteSchedulerOutput döndürülür, aksi halde bir tuple döndürülür ve bunun ilk öğesi örnek tensörüdür.

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

←FlowMatchEulerDiscreteScheduler HeliosDMDScheduler→