Hugging Face's logo

Diffusers documentation

LatteTransformer3DModel

You are viewing main version, which requires installation from source. If you'd like regular pip install, checkout the latest stable version (v0.42.1).
Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

LatteTransformer3DModel

نموذج Latte لتحويل الانتشار (Diffusion Transformer) للبيانات ثلاثية الأبعاد.

LatteTransformer3DModel

فئة diffusers.LatteTransformer3DModel

< >

( num_attention_heads: int = 16attention_head_dim: int = 88in_channels: int | None = Noneout_channels: int | None = Nonenum_layers: int = 1dropout: float = 0.0cross_attention_dim: int | None = Noneattention_bias: bool = Falsesample_size: int = 64patch_size: int | None = Noneactivation_fn: str = 'geglu'num_embeds_ada_norm: int | None = Nonenorm_type: str = 'layer_norm'norm_elementwise_affine: bool = Truenorm_eps: float = 1e-05caption_channels: int = Nonevideo_length: int = 16 )

forward

< >

( hidden_states: Tensortimestep: typing.Optional[torch.LongTensor] = Noneencoder_hidden_states: typing.Optional[torch.Tensor] = Noneencoder_attention_mask: typing.Optional[torch.Tensor] = Noneenable_temporal_attentions: bool = Truereturn_dict: bool = True )

المعاملات

  • hidden_states (torch.Tensor من الشكل (batch size, channel, num_frame, height, width)) — مدخلات hidden_states.
  • timestep ( torch.LongTensor, اختياري) — يُستخدم للإشارة إلى خطوة إزالة الضوضاء. خطوة زمنية اختيارية تُطبَّق كتمثيل مضمّن في AdaLayerNorm.
  • encoder_hidden_states ( torch.FloatTensor من الشكل (batch size, sequence len, embed dims)، اختياري) — تضمينات شرطية لطبقة الانتباه المتقاطع. إذا لم تُقدَّم، فإن الانتباه المتقاطع يتحول افتراضيًا إلى الانتباه الذاتي.
  • encoder_attention_mask ( torch.Tensor, اختياري) — قناع الانتباه المتقاطع المطبّق على encoder_hidden_states. يُقبل صيغتان:
    • قناع (batcheight, sequence_length) True = احتفظ، False = استبعد.
    • الانحياز (batcheight, 1, sequence_length) 0 = الإبقاء، -10000 = التخلّي.

    إذا كان ndim == 2: سيتم تفسيره كقناع، ثم تحويله إلى انحياز متوافق مع التنسيق المذكور أعلاه. سيُضاف هذا الانحياز إلى درجات الانتباه المتقاطع.

  • enable_temporal_attentions — (bool، اختياري، القيمة الافتراضية True): ما إذا كان سيتم تفعيل الانتباه الزمني.
  • return_dict (bool، اختياري، القيمة الافتراضية True) — ما إذا كان يجب إرجاع ~models.unet_2d_condition.UNet2DConditionOutput بدلاً من tuple عادي.

طريقة LatteTransformer3DModel الأمامية.

Update on GitHub

←Krea2Transformer2DModel LongCatImageTransformer2DModel→