# Flux2Transformer2DModel Un modelo Transformer para datos similares a imágenes de [Flux2](https://hf.co/black-forest-labs/FLUX.2-dev). ## Flux2Transformer2DModel[[diffusers.Flux2Transformer2DModel]] #### diffusers.Flux2Transformer2DModel[[diffusers.Flux2Transformer2DModel]] ```python diffusers.Flux2Transformer2DModel(patch_size: int = 1, in_channels: int = 128, out_channels: int | None = None, num_layers: int = 8, num_single_layers: int = 48, attention_head_dim: int = 128, num_attention_heads: int = 48, joint_attention_dim: int = 15360, timestep_guidance_channels: int = 256, mlp_ratio: float = 3.0, axes_dims_rope: tuple[int, ...] = (32, 32, 32, 32), rope_theta: int = 2000, eps: float = 1e-06, guidance_embeds: bool = True) ``` [Fuente](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_flux2.py#L1059) **Parámetros:** patch_size (`int`, por defecto `1`) : Tamaño del parche para convertir los datos de entrada en pequeños parches. in_channels (`int`, por defecto `128`) : El número de canales en la entrada. out_channels (`int`, *opcional*, valor predeterminado `None`) : El número de canales en la salida. Si no se especifica, el valor predeterminado es `in_channels`. num_layers (`int`, por defecto `8`) : El número de capas de bloques DiT de doble flujo a utilizar. num_single_layers (`int`, por defecto `48`) : El número de capas de bloques DiT de un solo flujo a utilizar. attention_head_dim (`int`, por defecto `128`) : El número de dimensiones a utilizar para cada cabeza de atención. num_attention_heads (`int`, por defecto `48`) : El número de cabezas de atención a utilizar. joint_attention_dim (`int`, por defecto `15360`) : El número de dimensiones a utilizar para la atención conjunta (dimensión de incrustación/canal de `encoder_hidden_states`). pooled_projection_dim (`int`, por defecto `768`) : El número de dimensiones a utilizar para la proyección agrupada. guidance_embeds (`bool`, por defecto `True`) : Si se deben usar embeddings de guía para la variante destilada por guía del modelo. axes_dims_rope (`tuple[int]`, por defecto `(32, 32, 32, 32)`) : Las dimensiones a utilizar para los embeddings posicionales rotatorios. El modelo Transformer introducido en Flux 2. Referencia: https://blackforestlabs.ai/announcing-black-forest-labs/ #### forward[[diffusers.Flux2Transformer2DModel.forward]] ```python forward(hidden_states: Tensor, encoder_hidden_states: Tensor = None, timestep: LongTensor = None, img_ids: Tensor = None, txt_ids: Tensor = None, guidance: Tensor = None, joint_attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True, kv_cache: Flux2KVCache | None = None, kv_cache_mode: str | None = None, num_ref_tokens: int = 0, ref_fixed_timestep: float = 0.0) ``` [Fuente](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_flux2.py#L1225) **Parámetros:** hidden_states (`torch.Tensor` de forma `(batch_size, image_sequence_length, in_channels)`) : `hidden_states` de entrada. encoder_hidden_states (`torch.Tensor` de forma `(batch_size, text_sequence_length, joint_attention_dim)`) : Embeddings condicionales (embeddings calculados a partir de las condiciones de entrada, como los prompts) a utilizar. timestep (`torch.LongTensor`) : Se utiliza para indicar el paso de desruido. img_ids (`torch.Tensor`) : ids de posición de imagen utilizados para calcular los embeddings posicionales rotatorios. txt_ids (`torch.Tensor`) : ids de posición de texto utilizados para calcular los embeddings posicionales rotatorios. guidance (`torch.Tensor`, *opcional*) : Embedding de escala de guía utilizado para las variantes destiladas por guía del modelo. joint_attention_kwargs (`dict`, *opcional*) : Un diccionario de kwargs que, si se especifica, se pasa al `AttentionProcessor` tal como se define bajo `self.processor` en [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py). return_dict (`bool`, *opcional*, valor predeterminado `True`) : Indica si se debe devolver un `~models.transformer_2d.Transformer2DModelOutput` en lugar de una tupla simple. kv_cache (`Flux2KVCache`, *opcional*) : KV cache para los tokens de la imagen de referencia. Cuando `kv_cache_mode` es "extract", se crea y devuelve una nueva cache. Cuando es "cached", se utiliza la cache proporcionada para inyectar los K/V de referencia durante la atención. kv_cache_mode (`str`, *opcional*) : Uno de "extract" (primer paso con tokens de referencia) o "cached" (pasos posteriores que usan K/V de referencia en caché). Cuando es `None`, se realiza una pasada de propagación hacia adelante estándar sin caché de KV. num_ref_tokens (`int`, por defecto `0`) : Número de tokens de imagen de referencia añadidos al inicio de `hidden_states` (solo se usa cuando `kv_cache_mode="extract"`). ref_fixed_timestep (`float`, por defecto `0.0`) : Paso de tiempo fijo para la modulación de tokens de referencia (solo se usa cuando `kv_cache_mode="extract"`). **Devuelve:** Si `return_dict` es True, se devuelve un `~models.transformer_2d.Transformer2DModelOutput`; en caso contrario, se devuelve una `tuple` cuyo primer elemento es el tensor de la muestra. Cuando `kv_cache_mode="extract"`, también se devuelve el `Flux2KVCache` poblado. El método forward de [Flux2Transformer2DModel](/docs/diffusers/v0.43.0/es/api/models/flux2_transformer#diffusers.Flux2Transformer2DModel). ## Flux2Transformer2DModelOutput[[diffusers.models.transformers.transformer_flux2.Flux2Transformer2DModelOutput]] #### diffusers.models.transformers.transformer_flux2.Flux2Transformer2DModelOutput[[diffusers.models.transformers.transformer_flux2.Flux2Transformer2DModelOutput]] ```python diffusers.models.transformers.transformer_flux2.Flux2Transformer2DModelOutput(sample: torch.Tensor, kv_cache: Flux2KVCache | None = None) ``` [Fuente](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_flux2.py#L46) **Parámetros:** sample (`torch.Tensor` de forma `(batch_size, num_channels, height, width)`) : Los estados ocultos de salida condicionados a la entrada `encoder_hidden_states`. kv_cache (`Flux2KVCache`, *opcional*) : La caché KV poblada para los tokens de la imagen de referencia. Solo se devuelve cuando `kv_cache_mode="extract"`. La salida de [Flux2Transformer2DModel](/docs/diffusers/v0.43.0/es/api/models/flux2_transformer#diffusers.Flux2Transformer2DModel).