Diffusers documentation
ErnieImageTransformer2DModel
ErnieImageTransformer2DModel
ERNIE-Imageからの画像類似データ向けの Transformer モデル。
ERNIE-Image-Turboからの画像類似データ向けのTransformerモデルです。
ErnieImageTransformer2DModel
class diffusers.ErnieImageTransformer2DModel
< source >( hidden_size: int = 3072num_attention_heads: int = 24num_layers: int = 24ffn_hidden_size: int = 8192in_channels: int = 128out_channels: int = 128patch_size: int = 1text_in_dim: int = 2560rope_theta: int = 256rope_axes_dim: typing.Tuple[int, int, int] = (32, 48, 48)eps: float = 1e-06qk_layernorm: bool = True )
forward
< source >( hidden_states: Tensortimestep: Tensortext_bth: Tensortext_lens: Tensorreturn_dict: bool = True )
パラメータ
- hidden_states (
torch.Tensor、形状(batch_size, in_channels, height, width)) — 入力となるhidden_states。 - timestep (
torch.LongTensor) — デノイジングステップを示すために使用されます。 - text_bth (
torch.Tensor) — 使用する条件付きテキスト埋め込み（プロンプトなどの入力条件から計算される埋め込み）。 形状は(batch_size, text_length, embed_dims)です。 - text_lens (
torch.Tensor) — アテンションマスクを構築するために使用される、サンプルごとのテキストシーケンスの長さ。 - return_dict (
bool、任意、デフォルトはTrue) — プレーンなタプルではなく~models.transformer_2d.Transformer2DModelOutputを返すかどうか。
ErnieImageTransformer2DModelのforwardメソッドです。