# BriaFiboTransformer2DModel

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

## BriaFiboTransformer2DModel[[diffusers.BriaFiboTransformer2DModel]]

#### diffusers.BriaFiboTransformer2DModel[[diffusers.BriaFiboTransformer2DModel]]

```python
diffusers.BriaFiboTransformer2DModel(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, text_encoder_dim: int = 2048)
```

[源代码](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_bria_fibo.py#L428)

**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。

... --

#### forward[[diffusers.BriaFiboTransformer2DModel.forward]]

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

[源代码](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_bria_fibo.py#L510)

**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）。

text_encoder_layers (`list` of `torch.Tensor`) : 按块划分的文本编码器隐藏状态，每个 Transformer 块对应一个张量。

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。

joint_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。