# ConsistencyDecoderScheduler

此调度器是 `ConsistencyDecoderPipeline` 的一部分，并在 [DALL-E 3](https://openai.com/dall-e-3) 中引入。

原始代码库可在 [openai/consistency_models](https://github.com/openai/consistency_models) 中找到。

## ConsistencyDecoderScheduler[[diffusers.schedulers.ConsistencyDecoderScheduler]]

#### diffusers.schedulers.ConsistencyDecoderScheduler[[diffusers.schedulers.ConsistencyDecoderScheduler]]

```python
diffusers.schedulers.ConsistencyDecoderScheduler(num_train_timesteps: int = 1024, sigma_data: float = 0.5)
```

[源代码](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/schedulers/scheduling_consistency_decoder.py#L80)

**参数：**

num_train_timesteps (`int`，*可选*，默认为 `1024`)：用于训练模型的扩散步数。

sigma_data (`float`，*可选*，默认值为 `0.5`)：数据分布的标准差。用于计算跳过和输出缩放因子。

用于 Stable Diffusion 流水线中一致性解码器的调度器。

该调度器使用一致性模型实现两步去噪过程，将潜在表示解码为图像。

该模型继承自 [SchedulerMixin](/docs/diffusers/v0.43.0/zh/api/schedulers/overview#diffusers.SchedulerMixin) 和 [ConfigMixin](/docs/diffusers/v0.43.0/zh/api/configuration#diffusers.ConfigMixin)。有关该库为所有调度器实现的通用方法（例如加载和保存），请参阅父类文档。

#### scale_model_input[[diffusers.schedulers.ConsistencyDecoderScheduler.scale_model_input]]

```python
scale_model_input(sample: Tensor, timestep: int | None = None)
```

[源代码](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/schedulers/scheduling_consistency_decoder.py#L148)

**参数：**

sample (`torch.Tensor`)：输入样本。

timestep (`int`, *可选*) : 扩散链中的当前时间步。

**返回：** `torch.Tensor`

经过缩放的输入样本。

确保与那些需要根据当前时间步对去噪模型输入进行缩放的调度器保持可互换性。

#### 步骤[[diffusers.schedulers.ConsistencyDecoderScheduler.step]]

```python
step(model_output: Tensor, timestep: typing.Union[float, torch.Tensor], sample: Tensor, generator: typing.Optional[torch.Generator] = None, return_dict: bool = True)
```

[源代码](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/schedulers/scheduling_consistency_decoder.py#L165)

**参数：**

model_output (`torch.Tensor`)：学习到的扩散模型的直接输出。

timestep (`float` 或 `torch.Tensor`)：扩散链中的当前时间步。

sample (`torch.Tensor`)：扩散过程生成的当前样本实例。

generator (`torch.Generator`, *可选*) : 用于可复现性的随机数生成器。

return_dict (`bool`，*可选*，默认为 `True`)：是否返回 `ConsistencyDecoderSchedulerOutput` 或 `tuple`。

**返回：** `ConsistencyDecoderSchedulerOutput` 或 `tuple`

如果 `return_dict` 为 `True`，则返回 `ConsistencyDecoderSchedulerOutput`，否则返回一个元组，其中第一个元素是样本张量。

通过逆向 SDE 预测上一时间步的样本。此函数将扩散过程从学习到的模型输出（通常是预测的噪声）进行传播。