# BriaTransformer2DModel

Model Transformer flux yang dimodifikasi dari [Bria](https://huggingface.co/briaai/BRIA-3.2)

## BriaTransformer2DModel[[diffusers.BriaTransformer2DModel]]

#### diffusers.BriaTransformer2DModel[[diffusers.BriaTransformer2DModel]]

```python
diffusers.BriaTransformer2DModel(patch_size: int = 1, in_channels: int = 64, num_layers: int = 19, num_single_layers: int = 38, attention_head_dim: int = 128, num_attention_heads: int = 24, joint_attention_dim: int = 4096, pooled_projection_dim: int = None, guidance_embeds: bool = False, axes_dims_rope: list[int] = [16, 56, 56], rope_theta = 10000, time_theta = 10000)
```

[Sumber](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_bria.py#L504)

**Parameter:**

patch_size (`int`) : Ukuran patch untuk mengubah data input menjadi patch kecil.

in_channels (`int`, *opsional*, default 16) : Jumlah channel pada input.

num_layers (`int`, *opsional*, default 18) : Jumlah lapisan blok MMDiT yang akan digunakan.

num_single_layers (`int`, *opsional*, default 18) : Jumlah lapisan blok DiT tunggal yang akan digunakan.

attention_head_dim (`int`, *opsional*, defaultnya 64) : Jumlah channel di setiap head.

num_attention_heads (`int`, *opsional*, default 18) : Jumlah head yang digunakan untuk multi-head attention.

joint_attention_dim (`int`, *opsional*) : Jumlah dimensi `encoder_hidden_states` yang akan digunakan.

pooled_projection_dim (`int`) : Jumlah dimensi yang digunakan saat memproyeksikan `pooled_projections`.

guidance_embeds (`bool`, defaultnya False) : Apakah akan menggunakan guidance embeddings.

Model Transformer yang diperkenalkan dalam Flux. Berdasarkan FluxPipeline dengan beberapa perubahan:
- tidak ada embedding yang dipool
- Kami menggunakan zero padding untuk prompt
- Tidak ada guidance embedding karena ini bukan versi yang telah di-distil
Referensi: https://blackforestlabs.ai/announcing-black-forest-labs/

#### forward[[diffusers.BriaTransformer2DModel.forward]]

```python
forward(hidden_states: Tensor, encoder_hidden_states: Tensor = None, pooled_projections: Tensor = None, timestep: LongTensor = None, img_ids: Tensor = None, txt_ids: Tensor = None, guidance: Tensor = None, attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True, controlnet_block_samples = None, controlnet_single_block_samples = None)
```

[Sumber](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_bria.py#L582)

**Parameter:**

hidden_states (`torch.FloatTensor` dengan bentuk `(batch size, channel, height, width)`) : Input `hidden_states`.

encoder_hidden_states (`torch.FloatTensor` dengan bentuk `(batch size, sequence_len, embed_dims)`) : Embedding kondisional (embedding yang dihitung dari kondisi input seperti prompt) yang akan digunakan.

pooled_projections (`torch.FloatTensor` dengan bentuk `(batch_size, projection_dim)`) : Embeddings yang diproyeksikan dari embeddings kondisi input.

timestep ( `torch.LongTensor`) : Digunakan untuk menunjukkan langkah denoising.

img_ids (`torch.Tensor`) : ID posisi gambar yang digunakan untuk menghitung embedding posisi rotasi.

txt_ids (`torch.Tensor`) : ID posisi teks yang digunakan untuk menghitung embedding posisi rotasi.

guidance (`torch.Tensor`, *opsional*) : Embedding skala panduan yang digunakan untuk varian model yang telah melalui distilasi panduan.

controlnet_block_samples (`list` dari `torch.Tensor`, *opsional*) : Daftar tensor yang, jika ditentukan, akan ditambahkan ke residual blok transformer.

controlnet_single_block_samples (`list` dari `torch.Tensor`, *opsional*) : Daftar tensor yang, jika ditentukan, akan ditambahkan ke residual dari blok transformer tunggal.

attention_kwargs (`dict`, *opsional*) : Kamus kwargs yang jika ditentukan akan diteruskan ke `AttentionProcessor` seperti yang didefinisikan di bawah `self.processor` dalam [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py).

return_dict (`bool`, *opsional*, defaultnya `True`) : Apakah akan mengembalikan `~models.transformer_2d.Transformer2DModelOutput` alih-alih tuple biasa.

**Mengembalikan:**

Jika `return_dict` bernilai True, sebuah `~models.transformer_2d.Transformer2DModelOutput` akan dikembalikan, selain itu sebuah `tuple` di mana elemen pertama adalah tensor sampel.

Metode forward dari [BriaTransformer2DModel](/docs/diffusers/v0.43.0/id/api/models/bria_transformer#diffusers.BriaTransformer2DModel).