# DiTTransformer2DModel

نموذج Transformer للبيانات المشابهة للصور من [DiT](https://huggingface.co/papers/2212.09748).

## DiTTransformer2DModel[[diffusers.DiTTransformer2DModel]]

#### diffusers.DiTTransformer2DModel[[diffusers.DiTTransformer2DModel]]

```python
diffusers.DiTTransformer2DModel(num_attention_heads: int = 16, attention_head_dim: int = 72, in_channels: int = 4, out_channels: int | None = None, num_layers: int = 28, dropout: float = 0.0, norm_num_groups: int = 32, attention_bias: bool = True, sample_size: int = 32, patch_size: int = 2, activation_fn: str = 'gelu-approximate', num_embeds_ada_norm: int | None = 1000, upcast_attention: bool = False, norm_type: str = 'ada_norm_zero', norm_elementwise_affine: bool = False, norm_eps: float = 1e-05)
```

[المصدر](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/dit_transformer_2d.py#L31)

**المعاملات:**

num_attention_heads (int، اختياري، القيمة الافتراضية 16) : عدد الرؤوس المستخدمة في الانتباه متعدد الرؤوس.

attention_head_dim (int، اختياري، القيمة الافتراضية 72) : عدد القنوات في كل رأس.

in_channels (int، القيمة الافتراضية 4) : عدد القنوات في المدخلات.

out_channels (int, اختياري) : عدد القنوات في المخرجات. حدد هذا المعامل إذا كان عدد قنوات المخرجات يختلف عن عدد قنوات المدخلات.

num_layers (int، اختياري، القيمة الافتراضية 28) : عدد طبقات كتل Transformer التي سيتم استخدامها.

dropout (float، اختياري، القيمة الافتراضية 0.0) : احتمال الإسقاط (dropout) المستخدم داخل كتل Transformer.

norm_num_groups (int، اختياري، القيمة الافتراضية 32) : عدد المجموعات لتطبيع المجموعات داخل كتل Transformer.

attention_bias (bool، اختياري، القيمة الافتراضية True) : يحدد ما إذا كان ينبغي أن تحتوي انتباه كتل Transformer على معامل انحياز.

sample_size (int، القيمة الافتراضية 32) : عرض الصور الكامنة. تُثبَّت هذه المعلمة أثناء التدريب.

patch_size (int، القيمة الافتراضية 2) : حجم البقع التي يعالجها النموذج، وهو أمر ذو صلة بالهياكل المعمارية التي تعمل على بيانات غير متسلسلة.

activation_fn (str، اختياري، القيمة الافتراضية "gelu-approximate") : دالة التنشيط المستخدمة في الشبكات الأمامية داخل كتل Transformer.

num_embeds_ada_norm (int، اختياري، القيمة الافتراضية 1000) : عدد التضمينات لـ AdaLayerNorm، يُثبَّت أثناء التدريب ويؤثر على عدد خطوات إزالة الضوضاء القصوى أثناء الاستدلال.

upcast_attention (bool, اختياري، القيمة الافتراضية False) : إذا كانت القيمة صحيحة، يتم رفع أبعاد آلية الانتباه (attention) لتحسين الأداء المحتمل.

norm_type (str، اختياري، القيمة الافتراضية "ada_norm_zero") : يحدد نوع التطبيع المستخدم، ويمكن أن يكون 'ada_norm_zero'.

norm_elementwise_affine (bool، اختياري، القيمة الافتراضية False) : إذا كانت القيمة true، يتم تفعيل معاملات أفينية لكل عنصر في طبقات التطبيع.

norm_eps (float، اختياري، القيمة الافتراضية 1e-5) : ثابت صغير يُضاف إلى المقام في طبقات التطبيع لمنع القسمة على الصفر.

نموذج Transformer ثنائي الأبعاد كما تم تقديمه في DiT (https://huggingface.co/papers/2212.09748).

#### forward[[diffusers.DiTTransformer2DModel.forward]]

```python
forward(hidden_states: Tensor, timestep: typing.Optional[torch.LongTensor] = None, class_labels: typing.Optional[torch.LongTensor] = None, cross_attention_kwargs: dict[str, typing.Any] = None, return_dict: bool = True)
```

[المصدر](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/dit_transformer_2d.py#L148)

**المعاملات:**

hidden_states (`torch.LongTensor` من الشكل `(batch size, num latent pixels)` إذا كانت منفصلة، `torch.FloatTensor` من الشكل `(batch size, channel, height, width)` إذا كانت مستمرة) : مدخلات `hidden_states`.

timestep ( `torch.LongTensor`, *اختياري*) : يُستخدم للإشارة إلى خطوة إزالة الضوضاء. خطوة زمنية اختيارية تُطبَّق كتضمين في `AdaLayerNorm`.

class_labels ( `torch.LongTensor` من الشكل `(batch size, num classes)`, *اختياري*) : يُستخدم للإشارة إلى تكييف تسميات الفئات. تسميات فئات اختيارية تُطبَّق كتضمين في `AdaLayerZeroNorm`.

cross_attention_kwargs ( `dict[str, Any]`, *اختياري*) : قاموس kwargs يُمرَّر إلى `AttentionProcessor` إذا تم تحديده، كما هو معرَّف تحت `self.processor` في [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py).

return_dict (`bool`، *اختياري*، القيمة الافتراضية `True`) : ما إذا كان يجب إرجاع [UNet2DConditionOutput](/docs/diffusers/v0.43.0/ar/api/models/unet2d-cond#diffusers.models.unets.unet_2d_condition.UNet2DConditionOutput) بدلاً من tuple عادي.

**يعيد:**

إذا كان `return_dict` صحيحًا، يُعاد `~models.transformer_2d.Transformer2DModelOutput`، وإلا يُعاد `tuple` يكون عنصره الأول هو تينسور العينة.

طريقة [DiTTransformer2DModel](/docs/diffusers/v0.43.0/ar/api/models/dit_transformer2d#diffusers.DiTTransformer2DModel) الأمامية.