# BriaTransformer2DModel

来自 [Bria](https://huggingface.co/briaai/BRIA-3.2) 的改进版 flux Transformer 模型

## 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)
```

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

**参数：**

patch_size (`int`) : 用于将输入数据划分为小块的补丁大小。

in_channels (`int`，*可选*，默认为 16)：输入中的通道数。

num_layers (`int`，*可选*，默认为 18)：要使用的 MMDiT 块层数。

num_single_layers (`int`，*可选*，默认为 18)：要使用的单个 DiT 块层数。

attention_head_dim (`int`，*可选*，默认为 64)：每个头中的通道数。

num_attention_heads (`int`，*可选*，默认为 18)：用于多头注意力的注意力头数量。

joint_attention_dim (`int`, *可选*) : 要使用的 `encoder_hidden_states` 维度数量。

pooled_projection_dim (`int`) : 在投影 `pooled_projections` 时使用的维度数。

guidance_embeds (`bool`，默认为 False)：是否使用引导嵌入。

Flux 中引入的 Transformer 模型。基于 FluxPipeline，并进行了以下更改：
- 没有池化嵌入
- 我们对提示词使用零填充
- 由于这不是蒸馏版本，因此没有 guidance embedding
参考：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)
```

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

**参数：**

hidden_states (`torch.FloatTensor`，形状为 `(batch size, channel, height, width)`)：输入 `hidden_states`。

encoder_hidden_states (`torch.FloatTensor`，形状为 `(batch size, sequence_len, embed_dims)`)：要使用的条件嵌入（从输入条件（例如提示词）计算得出的嵌入）。

pooled_projections (`torch.FloatTensor`，形状为 `(batch_size, projection_dim)`) : 从输入条件的嵌入中投影得到的嵌入。

timestep ( `torch.LongTensor`) ：用于指示去噪步骤。

img_ids (`torch.Tensor`) : 用于计算旋转位置嵌入的图像位置 ID。

txt_ids (`torch.Tensor`) : 用于计算旋转位置嵌入的文本位置 ID。

guidance (`torch.Tensor`, *可选*) : 用于模型引导蒸馏变体的引导尺度嵌入。

controlnet_block_samples (`list` of `torch.Tensor`, *可选*) : 一个张量列表，如果指定，将被添加到 Transformer 块的残差中。

controlnet_single_block_samples (`list` of `torch.Tensor`, *可选*) : 一个张量列表，如果指定，将被添加到单个 Transformer 块的残差中。

attention_kwargs (`dict`, *可选*) : 一个 kwargs 字典，如果指定，将作为参数传递给 [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py) 中 `self.processor` 下定义的 `AttentionProcessor`。

return_dict (`bool`，*可选*，默认为 `True`)：是否返回 `~models.transformer_2d.Transformer2DModelOutput` 而不是普通元组。

**返回值：**

如果 `return_dict` 为 True，则返回 `~models.transformer_2d.Transformer2DModelOutput`，否则返回一个 `tuple`，其中第一个元素是样本张量。

[BriaTransformer2DModel](/docs/diffusers/v0.43.0/zh/api/models/bria_transformer#diffusers.BriaTransformer2DModel) 的前向方法。