# BriaTransformer2DModel

Модифицированная модель flux Transformer от [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)
```

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

**Параметры:**

patch_size (`int`) : Размер патча для разбиения входных данных на небольшие патчи.

in_channels (`int`, *необязательный*, по умолчанию 16) : Количество каналов на входе.

num_layers (`int`, *optional*, по умолчанию 18) : Количество используемых блоков MMDiT.

num_single_layers (`int`, *optional*, по умолчанию 18) : Количество слоев одиночных блоков DiT, которые следует использовать.

attention_head_dim (`int`, *необязательный*, по умолчанию 64) : Количество каналов в каждой голове.

num_attention_heads (`int`, *optional*, по умолчанию 18) : Количество головок для использования в механизме внимания с несколькими головками.

joint_attention_dim (`int`, *optional*) : Количество измерений `encoder_hidden_states`, которые следует использовать.

pooled_projection_dim (`int`) : Количество измерений, используемых при проецировании `pooled_projections`.

guidance_embeds (`bool`, по умолчанию False) : Использовать ли направляющие эмбеддинги.

Модель Transformer, представленная в Flux. Основана на FluxPipeline с несколькими изменениями:
- нет объединённых эмбеддингов
- Мы используем нулевую отсечку для промптов
- Встроенное представление руководства отсутствует, так как это не дистиллированная версия
Ссылка: 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)
```

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

**Параметры:**

hidden_states (`torch.FloatTensor` формы `(batch size, channel, height, width)`) : Входные `hidden_states`.

encoder_hidden_states (`torch.FloatTensor` формы `(batch size, sequence_len, embed_dims)`) : Условные эмбеддинги (эмбеддинги, вычисленные на основе входных условий, таких как промпты), которые следует использовать.

pooled_projections (`torch.FloatTensor` формы `(batch_size, projection_dim)`) : Векторы, полученные из эмбеддингов входных условий.

timestep ( `torch.LongTensor`) : Используется для указания шага денойзинга.

img_ids (`torch.Tensor`) : идентификаторы позиций изображений, используемые для вычисления вращательных позиционных эмбеддингов.

txt_ids (`torch.Tensor`) : Идентификаторы позиций текста, используемые для вычисления вращательных позиционных эмбеддингов.

guidance (`torch.Tensor`, *необязательный*) : Встраивание масштаба руководства, используемое для вариантов модели, дистиллированных с помощью руководства.

controlnet_block_samples (`list` из `torch.Tensor`, *необязательный*) : Список тензоров, которые при указании добавляются к остаточным связям блоков трансформера.

controlnet_single_block_samples (`list` из `torch.Tensor`, *необязательный*) : Список тензоров, которые при указании добавляются к остаточным связям отдельных блоков трансформера.

attention_kwargs (`dict`, *необязательный*) : Словарь kwargs, который при указании передается в `AttentionProcessor`, определенный в `self.processor` в [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py).

return_dict (`bool`, *необязательный*, по умолчанию `True`) : Возвращать ли `~models.transformer_2d.Transformer2DModelOutput` вместо обычного кортежа.

**Возвращает:**

Если `return_dict` равно True, возвращается `~models.transformer_2d.Transformer2DModelOutput`, иначе — `tuple`, первым элементом которого является тензор выборки.

Метод forward модели [BriaTransformer2DModel](/docs/diffusers/v0.43.0/ru/api/models/bria_transformer#diffusers.BriaTransformer2DModel).