Hugging Face's logo

Diffusers documentation

FlowMatchHeunDiscreteScheduler

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

FlowMatchHeunDiscreteScheduler

FlowMatchHeunDiscreteScheduler se basa en el muestreo por flow-matching introducido en EDM.

FlowMatchHeunDiscreteScheduler

clase diffusers.FlowMatchHeunDiscreteScheduler

< >

( num_train_timesteps: int = 1000shift: float = 1.0 )

Parámetros

  • num_train_timesteps (int, por defecto 1000) — El número de pasos de difusión para entrenar el modelo.
  • shift (float, valor predeterminado: 1.0) — El valor de desplazamiento para la programación de pasos de tiempo.

Programador Heun.

Este modelo hereda de SchedulerMixin y ConfigMixin. Consulta la documentación de la clase superior para los métodos genéricos que la biblioteca implementa para todos los programadores, como la carga y el guardado.

index_for_timestep

< >

( timestep: typing.Union[float, torch.FloatTensor]schedule_timesteps: typing.Optional[torch.FloatTensor] = None ) → int

Parámetros

  • timestep (float o torch.FloatTensor) — El valor de timestep que se debe buscar en la programación.
  • schedule_timesteps (torch.FloatTensor, opcional) — El calendario de pasos de tiempo en el que buscar. Si es None, usa self.timesteps.

Devuelve

int

El índice del paso de tiempo en la programación.

Encuentra el índice de un paso de tiempo dado en la programación de pasos de tiempo.

scale_noise

< >

( sample: FloatTensortimestep: typing.Union[float, torch.FloatTensor]noise: FloatTensor ) → torch.FloatTensor

Parámetros

  • sample (torch.FloatTensor) — La muestra de entrada.
  • timestep (float o torch.FloatTensor) — El paso de tiempo actual en la cadena de difusión.
  • noise (torch.FloatTensor) — El tensor de ruido.

Devuelve

torch.FloatTensor

Una muestra de entrada escalada.

Proceso de avance en flow-matching

set_begin_index

< >

( begin_index: int = 0 )

Parámetros

  • begin_index (int, por defecto 0) — El índice inicial del programador.

Establece el índice inicial para el programador. Esta función debe ejecutarse desde la tubería antes de la inferencia.

set_timesteps

< >

( num_inference_steps: intdevice: typing.Union[str, torch.device] = None )

Parámetros

  • num_inference_steps (int) — El número de pasos de difusión utilizados al generar muestras con un modelo preentrenado.
  • device (str o torch.device, opcional) — El dispositivo al que deben moverse los timesteps. Si es None, los timesteps no se mueven.

Establece los pasos discretos utilizados para la cadena de difusión (para ejecutarse antes de la inferencia).

paso

< >

( model_output: FloatTensortimestep: typing.Union[float, torch.FloatTensor]sample: FloatTensors_churn: float = 0.0s_tmin: float = 0.0s_tmax: float = infs_noise: float = 1.0generator: typing.Optional[torch.Generator] = Nonereturn_dict: bool = True ) → FlowMatchHeunDiscreteSchedulerOutput or tuple

Parámetros

  • model_output (torch.FloatTensor) — La salida directa del modelo de difusión aprendido.
  • timestep (float o torch.FloatTensor) — El paso de tiempo discreto actual en la cadena de difusión.
  • sample (torch.FloatTensor) — Una instancia actual de una muestra creada por el proceso de difusión.
  • s_churn (float) — Parámetro de estocasticidad que controla la cantidad de ruido añadido durante el muestreo. Valores más altos aumentan la aleatoriedad.
  • s_tmin (float) — Umbral mínimo de paso temporal para aplicar estocasticidad. Solo se añadirá ruido a los pasos temporales que superen este valor.
  • s_tmax (float) — Umbral máximo de paso temporal para aplicar estocasticidad. Solo se añadirá ruido a los pasos temporales por debajo de este valor.
  • s_noise (float, por defecto 1.0) — Factor de escala para el ruido añadido a la muestra.
  • generator (torch.Generator, opcional) — Un generador de números aleatorios.
  • return_dict (bool) — Indica si se debe devolver una tupla FlowMatchHeunDiscreteSchedulerOutput.

Devuelve

FlowMatchHeunDiscreteSchedulerOutput o tuple

If return_dict is True, FlowMatchHeunDiscreteSchedulerOutput is returned, otherwise a tuple is returned where the first element is the sample tensor.

Predice la muestra del paso de tiempo anterior invirtiendo el SDE. Esta función propaga el proceso de difusión a partir de las salidas del modelo aprendido (con mayor frecuencia, el ruido predicho).

Update on GitHub

←FlowMatchEulerDiscreteScheduler HeliosDMDScheduler→