# Lumina2Transformer2DModel

تم تقديم نموذج [Lumina Image 2.0](https://huggingface.co/Alpha-VLLM/Lumina-Image-2.0) من نوع Diffusion Transformer لبيانات الفيديو ثلاثية الأبعاد بواسطة Alpha-VLLM.

يمكن تحميل النموذج باستخدام مقتطف الشيفرة التالي.

```python
from diffusers import Lumina2Transformer2DModel

transformer = Lumina2Transformer2DModel.from_pretrained("Alpha-VLLM/Lumina-Image-2.0", subfolder="transformer", dtype=torch.bfloat16)
```

## Lumina2Transformer2DModel[[diffusers.Lumina2Transformer2DModel]]

#### diffusers.Lumina2Transformer2DModel[[diffusers.Lumina2Transformer2DModel]]

```python
diffusers.Lumina2Transformer2DModel(sample_size: int = 128, patch_size: int = 2, in_channels: int = 16, out_channels: int | None = None, hidden_size: int = 2304, num_layers: int = 26, num_refiner_layers: int = 2, num_attention_heads: int = 24, num_kv_heads: int = 8, multiple_of: int = 256, ffn_dim_multiplier: float | None = None, norm_eps: float = 1e-05, scaling_factor: float = 1.0, axes_dim_rope: tuple[int, int, int] = (32, 32, 32), axes_lens: tuple[int, int, int] = (300, 512, 512), cap_feat_dim: int = 1024)
```

[المصدر](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_lumina2.py#L327)

**المعاملات:**

sample_size (`int`) : عرض الصور الكامنة. هذا ثابت أثناء التدريب لأنه يُستخدم لتعلم عدد من تضمينات المواقع.

patch_size (`int`، *اختياري*، (`int`، *اختياري*، القيمة الافتراضية 2) : حجم كل رقعة في الصورة. يحدد هذا المعامل دقة الرقع المُدخلة إلى النموذج.

in_channels (`int`، *اختياري*، القيمة الافتراضية 4) : عدد قنوات الإدخال للنموذج. عادةً، يتطابق هذا العدد مع عدد القنوات في الصور المدخلة.

hidden_size (`int`، *اختياري*، القيمة الافتراضية 4096) : بُعد الطبقات المخفية في النموذج. يحدد هذا المعامل عرض التمثيلات المخفية للنموذج.

num_layers (`int`، *اختياري*، الافتراضي 32) : عدد الطبقات في النموذج. يحدد هذا عمق الشبكة العصبية.

num_attention_heads (`int`، *اختياري*، القيمة الافتراضية 32) : عدد رؤوس الانتباه في كل طبقة انتباه. يحدد هذا المعامل عدد آليات الانتباه المنفصلة المستخدمة.

num_kv_heads (`int`، *اختياري*، القيمة الافتراضية 8) : عدد رؤوس المفاتيح والقيم في آلية الانتباه، إذا كان مختلفًا عن عدد رؤوس الانتباه. إذا كانت القيمة None، فإنها تتحول افتراضيًا إلى num_attention_heads.

multiple_of (`int`، *اختياري*، القيمة الافتراضية 256) : عامل يجب أن تكون حجم المخفي مضاعفًا له. يمكن أن يساعد ذلك في تحسين بعض تكوينات الأجهزة.

ffn_dim_multiplier (`float`، *اختياري*) : مُضاعِف لأبعاد الشبكة الأمامية. إذا كانت القيمة None، فسيتم استخدام قيمة افتراضية بناءً على إعدادات النموذج.

norm_eps (`float`، *اختياري*، القيمة الافتراضية 1e-5) : قيمة صغيرة تُضاف إلى المقام لضمان الاستقرار العددي في طبقات التطبيع.

scaling_factor (`float`، *اختياري*، القيمة الافتراضية 1.0) : معامل مقياس يُطبَّق على بعض المعاملات أو الطبقات في النموذج. يمكن استخدامه لضبط المقياس العام لعمليات النموذج.

Lumina2NextDiT: نموذج انتشار بهيكل أساسي من نوع Transformer.

#### forward[[diffusers.Lumina2Transformer2DModel.forward]]

```python
forward(hidden_states: Tensor, timestep: Tensor, encoder_hidden_states: Tensor, encoder_attention_mask: Tensor, 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_lumina2.py#L460)

**المعاملات:**

hidden_states (`torch.Tensor` من الشكل `(batch_size, in_channels, 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.

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 [Lumina2Transformer2DModel](/docs/diffusers/v0.43.0/ar/api/models/lumina2_transformer2d#diffusers.Lumina2Transformer2DModel) 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).