# PiflowScheduler

`PiflowScheduler`, hem metin/görüntüden video ve ses üretim modeli hem de video süper çözünürlük modeli olan damıtılmış Kandinsky 6 kontrol noktalarının ve damıtılmış Kandinsky S2V 1.0 kontrol noktalarının az adımlı zamanlayıcısıdır. [π-Flow](https://huggingface.co/papers/2510.14974)'u uygular: transformer, latent kanal başına `n_grid` gürültüden arındırılmış tahmini, küçük sayıda ızgara noktasında tahmin eder ve zamanlayıcı bunlar arasında ağ gerektirmeyen bir politika entegre eder.

Referans uygulama [Lakonik/LakonLab](https://github.com/Lakonik/LakonLab) adresinde bulunabilir.

## PiflowScheduler[[diffusers.PiflowScheduler]]

#### diffusers.PiflowScheduler[[diffusers.PiflowScheduler]]

```python
diffusers.PiflowScheduler(num_train_timesteps: int = 1000, shift: float = 5.0, n_grid: int = 10, eps: float = 1e-06, final_step_size_scale: float = 0.5, num_policy_substeps: int = 128)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/schedulers/scheduling_piflow.py#L144)

**Parametreler:**

num_train_timesteps (`int`, *isteğe bağlı*, varsayılan 1000) : Eğitim difüzyon adımı sayısı.

shift (`float`, *isteğe bağlı*, varsayılan 5.0) : Flow-matching zaman adımı kaydırması.

n_grid (`int`, *isteğe bağlı*, varsayılan 10) : Genişletilmiş model çıktısındaki tahmin sayısı.

eps (`float`, *isteğe bağlı*, varsayılan 1e-6) : Minimum zaman adımı ve politika paydası.

final_step_size_scale (`float`, *isteğe bağlı*, varsayılan 0.5) : Son ham zaman adımı segmentinin göreli boyutu.

num_policy_substeps (`int`, *isteğe bağlı*, varsayılan 128) : Ham zaman adımı birimi başına maksimum politika entegrasyon alt adımları.

Genişletilmiş çıktı difüzyon dönüştürücüler için az adımlı PiFlow zamanlayıcısı.

PiFlow, gürültü azaltma modelini küçük sayıda ızgara noktasında değerlendirir ve bu değerlendirmeler arasında ağsız bir politika entegre eder. Zamanlayıcı, ana video/ses modeli ve video süper çözünürlük modeli dahil olmak üzere damıtılmış Kandinsky 6 kontrol noktaları için tasarlanmıştır. Model çıktıları, örnek kanal başına `n_grid` tahmin içerir.

Bu zamanlayıcı [SchedulerMixin](/docs/diffusers/main/tr/api/schedulers/overview#diffusers.SchedulerMixin) ve [ConfigMixin](/docs/diffusers/main/tr/api/configuration#diffusers.ConfigMixin) sınıflarından devralır. Tüm zamanlayıcılar için uygulanan genel yöntemlerin (yükleme, kaydetme vb.) belgelerini üst sınıf dokümantasyonunda bulabilirsiniz.

#### set_timesteps[[diffusers.PiflowScheduler.set_timesteps]]

```python
set_timesteps(num_inference_steps: int | None = None, device: typing.Union[str, torch.device, NoneType] = None, sigmas: list[float] | None = None, mu: float | None = None, timesteps: list[float] | None = None)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/schedulers/scheduling_piflow.py#L224)

**Parametreler:**

num_inference_steps (`int`) : Model değerlendirme sayısı.

device (`str` veya `torch.device`, *isteğe bağlı*) : Zaman çizelgesi için cihaz.

sigmas (`list[float]`, *isteğe bağlı*) : Desteklenmeyen özel sigma zamanlaması.

mu (`float`, *isteğe bağlı*) : Desteklenmeyen dinamik-kaydırma parametresi.

timesteps (`list[float]`, *isteğe bağlı*) : Desteklenmeyen özel zaman adımı zamanlaması.

Distilled PiFlow zaman adımı zamanlamasını ayarlayın.

#### adım[[diffusers.PiflowScheduler.step]]

```python
step(model_output: FloatTensor, timestep: typing.Union[float, torch.FloatTensor], sample: FloatTensor, return_dict: bool = True)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/schedulers/scheduling_piflow.py#L331)

**Parametreler:**

model_output (*torch.FloatTensor*) : Her örnek kanalında `n_grid` tahmin içeren genişletilmiş model çıktısı.

timestep (*float* veya *torch.FloatTensor*) : Güncel zamanlayıcı zaman adımı.

sample (*torch.FloatTensor*) : Güncel gürültülü örnek.

return_dict (*bool*, *opsiyonel*, varsayılan True) : Bir [*PiflowSchedulerOutput*] döndürülüp döndürülmemeye karar verir.

**Dönüş:** [*PiflowSchedulerOutput*] veya *tuple*

Güncellenmiş örnek.

PiFlow politikasını entegreleyerek bir adım ileriye gidin.

## PiflowSchedulerOutput[[diffusers.schedulers.scheduling_piflow.PiflowSchedulerOutput]]

#### diffusers.schedulers.scheduling_piflow.PiflowSchedulerOutput[[diffusers.schedulers.scheduling_piflow.PiflowSchedulerOutput]]

```python
diffusers.schedulers.scheduling_piflow.PiflowSchedulerOutput(prev_sample: Tensor)
```

[Kaynak](https://github.com/huggingface/diffusers/blob/main/src/diffusers/schedulers/scheduling_piflow.py#L30)

**Parametreler:**

prev_sample (`torch.Tensor`) : Bir sonraki PiFlow ızgara noktasında hesaplanan örnek. Bir sonraki gürültü azaltma girdisi olarak kullanılmalıdır.

Zamanlayıcının `step` işlevi çıktısı için çıktı sınıfı.