Diffusers documentation
ConsistencyDecoderScheduler
ConsistencyDecoderScheduler
Este programador forma parte de ConsistencyDecoderPipeline y fue introducido en DALL-E 3.
El código original se puede encontrar en openai/consistency_models.
ConsistencyDecoderScheduler
clase diffusers.schedulers.ConsistencyDecoderScheduler
< source >( num_train_timesteps: int = 1024sigma_data: float = 0.5 )
Parámetros
- num_train_timesteps (
int, opcional, valor predeterminado1024) — El número de pasos de difusión para entrenar el modelo. - sigma_data (
float, opcional, valor predeterminado0.5) — La desviación estándar de la distribución de datos. Se utiliza para calcular los factores de escalado de salto y de salida.
Un programador para el decodificador de consistencia utilizado en las tuberías de Stable Diffusion.
Este programador implementa un proceso de desruido de dos pasos utilizando modelos de consistencia para decodificar representaciones latentes en imágenes.
Este modelo hereda de SchedulerMixin y ConfigMixin. Consulta la documentación de la clase superior para los métodos genéricos que la biblioteca implementa para todos los programadores, como la carga y el guardado.
scale_model_input
< source >( sample: Tensortimestep: int | None = None ) → torch.Tensor
Garantiza la interoperabilidad con los programadores que necesitan escalar la entrada del modelo de desruido en función del paso temporal actual.
paso
< source >( model_output: Tensortimestep: typing.Union[float, torch.Tensor]sample: Tensorgenerator: typing.Optional[torch.Generator] = Nonereturn_dict: bool = True ) → ConsistencyDecoderSchedulerOutput or tuple
Parámetros
- model_output (
torch.Tensor) — La salida directa del modelo de difusión aprendido. - timestep (
floatotorch.Tensor) — El paso de tiempo actual en la cadena de difusión. - sample (
torch.Tensor) — Una instancia actual de una muestra creada por el proceso de difusión. - generator (
torch.Generator, opcional) — Un generador de números aleatorios para la reproducibilidad. - return_dict (
bool, opcional, valor predeterminadoTrue) — Indica si se debe devolver unConsistencyDecoderSchedulerOutputo unatuple.
Devuelve
ConsistencyDecoderSchedulerOutput o tuple
Si return_dict es True,
se devuelve ConsistencyDecoderSchedulerOutput, de lo contrario
se devuelve una tupla cuyo primer elemento es el tensor de la muestra.
Predice la muestra del paso de tiempo anterior invirtiendo el SDE. Esta función propaga el proceso de difusión a partir de las salidas del modelo aprendido (con mayor frecuencia, el ruido predicho).