# HunyuanImageTransformer2DModel

نموذج Transformar الانتشار لـ [HunyuanImage2.1](https://github.com/Tencent-Hunyuan/HunyuanImage-2.1).

يمكن تحميل النموذج باستخدام مقتطف الشيفرة التالي.

```python
from diffusers import HunyuanImageTransformer2DModel

transformer = HunyuanImageTransformer2DModel.from_pretrained("hunyuanvideo-community/HunyuanImage-2.1-Diffusers", subfolder="transformer", dtype=torch.bfloat16)
```

## HunyuanImageTransformer2DModel[[diffusers.HunyuanImageTransformer2DModel]]

#### diffusers.HunyuanImageTransformer2DModel[[diffusers.HunyuanImageTransformer2DModel]]

```python
diffusers.HunyuanImageTransformer2DModel(in_channels: int = 64, out_channels: int = 64, num_attention_heads: int = 28, attention_head_dim: int = 128, num_layers: int = 20, num_single_layers: int = 40, num_refiner_layers: int = 2, mlp_ratio: float = 4.0, patch_size: tuple[int, int] = (1, 1), qk_norm: str = 'rms_norm', guidance_embeds: bool = False, text_embed_dim: int = 3584, text_embed_2_dim: int | None = None, rope_theta: float = 256.0, rope_axes_dim: tuple[int, ...] = (64, 64), use_meanflow: bool = False)
```

[المصدر](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_hunyuanimage.py#L617)

**المعاملات:**

in_channels (`int`، القيمة الافتراضية `16`) : عدد القنوات في المدخلات.

out_channels (`int`، القيمة الافتراضية `16`) : عدد القنوات في المخرجات.

num_attention_heads (`int`، القيمة الافتراضية `24`) : عدد الرؤوس المستخدمة في الانتباه متعدد الرؤوس.

attention_head_dim (`int`، القيمة الافتراضية `128`) : عدد القنوات في كل رأس.

num_layers (`int`، القيمة الافتراضية `20`) : عدد طبقات كتل التدفق المزدوج المستخدمة.

num_single_layers (`int`، القيمة الافتراضية `40`) : عدد طبقات كتل التدفق الأحادي المستخدمة.

num_refiner_layers (`int`، القيمة الافتراضية `2`) : عدد طبقات كتل التحسين (refiner blocks) المستخدمة.

mlp_ratio (`float`، القيمة الافتراضية `4.0`) : نسبة حجم طبقة الخفاء إلى حجم الإدخال في الشبكة العصبية الأمامية.

patch_size (`int`، القيمة الافتراضية `2`) : حجم البقع المكانية المستخدمة في طبقة تضمين البقع.

patch_size_t (`int`، القيمة الافتراضية `1`) : حجم البقع الزمنية (temporal patches) المستخدمة في طبقة تضمين البقع (patch embedding layer).

qk_norm (`str`، الافتراضي `rms_norm`) : طريقة التطبيع المستخدمة لإسقاطات الاستعلام والمفتاح في طبقات الانتباه.

guidance_embeds (`bool`، القيمة الافتراضية `True`) : ما إذا كان سيتم استخدام تضمينات التوجيه في النموذج.

text_embed_dim (`int`، القيمة الافتراضية `4096`) : بُعد الإدخال لتضمينات النص من مُشفِّر النص.

pooled_projection_dim (`int`، القيمة الافتراضية `768`) : بُعد الإسقاط المُجمَّع لتضمينات النص.

rope_theta (`float`، القيمة الافتراضية `256.0`) : قيمة theta المستخدمة في طبقة RoPE.

rope_axes_dim (`tuple[int]`، القيمة الافتراضية هي `(16, 56, 56)`) : أبعاد المحاور المستخدمة في طبقة RoPE.

image_condition_type (`str`، *اختياري*، القيمة الافتراضية `None`) : نوع تكييف الصورة المستخدم. إذا كانت `None`، فلا يُستخدم أي تكييف للصورة. إذا كانت `latent_concat`، يتم دمج الصورة مع تدفق الكمون. إذا كانت `token_replace`، تُستخدم الصورة لاستبدال رموز الإطار الأول في تدفق الكمون وتطبيق التكييف.

نموذج Transformer المستخدم في [HunyuanImage-2.1](https://github.com/Tencent-Hunyuan/HunyuanImage-2.1).

#### forward[[diffusers.HunyuanImageTransformer2DModel.forward]]

```python
forward(hidden_states: Tensor, timestep: LongTensor, encoder_hidden_states: Tensor, encoder_attention_mask: Tensor, timestep_r: typing.Optional[torch.LongTensor] = None, encoder_hidden_states_2: typing.Optional[torch.Tensor] = None, encoder_attention_mask_2: typing.Optional[torch.Tensor] = None, guidance: typing.Optional[torch.Tensor] = None, attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True)
```

[المصدر](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_hunyuanimage.py#L743)

**المعاملات:**

hidden_states (`torch.Tensor` من الشكل `(batch_size, num_channels, height, width)` أو `(batch_size, num_channels, num_frames, height, width)`) : مدخلات `hidden_states`.

timestep (`torch.LongTensor`) : يُستخدم للإشارة إلى خطوة إزالة الضوضاء.

encoder_hidden_states (`torch.Tensor` من الشكل `(batch_size, sequence_len, embed_dims)`) : التضمينات الشرطية (التضمينات المحسوبة من الشروط المدخلة مثل الأوامر) للاستخدام.

encoder_attention_mask (`torch.Tensor`) : القناع المطبَّق على `encoder_hidden_states` أثناء الانتباه.

timestep_r (`torch.LongTensor`، *اختياري*) : شرط خطوة الزمن للمُحسِّن.

encoder_hidden_states_2 (`torch.Tensor`، *اختياري*) : تضمينات شرطية إضافية محسوبة من مُشفِّر نصي ثانٍ.

encoder_attention_mask_2 (`torch.Tensor`، *اختياري*) : القناع المطبَّق على `encoder_hidden_states_2` أثناء الانتباه.

guidance (`torch.Tensor`، *اختياري*) : تضمين مقياس التوجيه المستخدم في النسخ المُقطّرة بالتوجيه من النموذج.

attention_kwargs (`dict`، *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 `~models.transformer_2d.Transformer2DModelOutput` 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 [HunyuanImageTransformer2DModel](/docs/diffusers/v0.43.0/ar/api/models/hunyuanimage_transformer_2d#diffusers.HunyuanImageTransformer2DModel) الأمامية.

## Transformer2DModelOutput[[diffusers.models.modeling_outputs.Transformer2DModelOutput]]

#### diffusers.models.modeling_outputs.Transformer2DModelOutput[[diffusers.models.modeling_outputs.Transformer2DModelOutput]]

```python
diffusers.models.modeling_outputs.Transformer2DModelOutput(sample: torch.Tensor)
```

[المصدر](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/modeling_outputs.py#L21)

**المعاملات:**

sample (`torch.Tensor` من الشكل `(batch_size, num_channels, height, width)` أو `(batch size, num_vector_embeds - 1, num_latent_pixels)` إذا كان [Transformer2DModel](/docs/diffusers/v0.43.0/ar/api/models/transformer2d#diffusers.Transformer2DModel) منفصلاً): مخرجات الحالات المخفية المشروطة على مدخل `encoder_hidden_states`. إذا كان منفصلاً، يعيد توزيعات الاحتمال للبكسلات الكامنة غير الملوثة.

مخرجات [Transformer2DModel](/docs/diffusers/v0.43.0/ar/api/models/transformer2d#diffusers.Transformer2DModel).