Diffusers documentation

FlowMatchEulerDiscreteScheduler

Diffusers

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).

Join the Hugging Face community

and get access to the augmented documentation experience

Collaborate on models, datasets and Spaces

Faster examples with accelerated inference

Switch between documentation themes

to get started

FlowMatchEulerDiscreteScheduler

FlowMatchEulerDiscreteScheduler dựa trên phương pháp lấy mẫu flow-matching được giới thiệu trong Stable Diffusion 3.

FlowMatchEulerDiscreteScheduler

lớp diffusers.FlowMatchEulerDiscreteScheduler

< source >

( num_train_timesteps: int = 1000shift: float = 1.0use_dynamic_shifting: bool = Falsebase_shift: float | None = 0.5max_shift: float | None = 1.15base_image_seq_len: int = 256max_image_seq_len: int = 4096invert_sigmas: bool = Falseshift_terminal: float = Noneuse_karras_sigmas: bool = Falseuse_exponential_sigmas: bool = Falseuse_beta_sigmas: bool = Falsetime_shift_type: typing.Literal['exponential', 'linear'] = 'exponential'stochastic_sampling: bool = False )

Tham số

num_train_timesteps (int, mặc định là 1000) — Số bước khuếch tán để huấn luyện mô hình.
shift (float, mặc định là 1.0) — Giá trị shift cho lịch trình timestep.
use_dynamic_shifting (bool, mặc định là False) — Có áp dụng timestep shifting theo thời gian thực dựa trên độ phân giải của hình ảnh hay không.
base_shift (float, mặc định là 0.5) — Giá trị để ổn định việc tạo ảnh. Tăng base_shift sẽ giảm sự biến đổi và ảnh sẽ nhất quán hơn với đầu ra mong muốn.
max_shift (float, mặc định là 1.15) — Giá trị thay đổi được phép cho các vector tiềm ẩn. Việc tăng max_shift khuyến khích nhiều biến đổi hơn và hình ảnh có thể trở nên phóng đại hoặc mang tính cách điệu hơn.
base_image_seq_len (int, mặc định là 256) — Chiều dài chuỗi hình ảnh cơ bản.
max_image_seq_len (int, mặc định là 4096) — Chiều dài tối đa của chuỗi hình ảnh.
invert_sigmas (bool, mặc định là False) — Có đảo ngược các sigmas hay không.
shift_terminal (float, mặc định là None) — Giá trị cuối của lịch trình bước thời gian đã dịch chuyển.
use_karras_sigmas (bool, mặc định là False) — Có sử dụng Karras sigmas cho kích thước bước trong lịch trình nhiễu khi lấy mẫu hay không.
use_exponential_sigmas (bool, mặc định là False) — Có sử dụng exponential sigmas cho kích thước bước trong lịch trình nhiễu (noise schedule) trong quá trình lấy mẫu hay không.
use_beta_sigmas (bool, mặc định là False) — Có sử dụng beta sigmas cho kích thước bước trong lịch trình nhiễu khi lấy mẫu hay không.
time_shift_type (str, mặc định là “exponential”) — Loại dịch chuyển bước thời gian phụ thuộc vào độ phân giải động cần áp dụng. Có thể là “exponential” hoặc “linear”.
stochastic_sampling (bool, mặc định là False) — Có sử dụng lấy mẫu ngẫu nhiên hay không.

Trình lập lịch Euler.

Mô hình này kế thừa từ SchedulerMixin và ConfigMixin. Xem tài liệu của lớp cha để biết các phương thức chung mà thư viện triển khai cho tất cả các trình lập lịch, chẳng hạn như tải và lưu.

index_for_timestep

< source >

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

Tham số

timestep (float hoặc torch.FloatTensor) — Bước thời gian để tìm chỉ số tương ứng.
schedule_timesteps (torch.FloatTensor, tùy chọn) — Các bước thời gian (timesteps) của lịch trình để kiểm tra. Nếu là None, các timesteps của trình lập lịch (scheduler) sẽ được sử dụng.

Trả về

int

Chỉ số của bước thời gian.

Lấy chỉ số cho bước thời gian đã cho.

scale_noise

< source >

( sample: FloatTensortimestep: typing.Union[float, torch.FloatTensor]noise: typing.Optional[torch.FloatTensor] = None ) → torch.FloatTensor

Tham số

sample (torch.FloatTensor) — Mẫu đầu vào.
timestep (torch.FloatTensor) — Bước thời gian hiện tại trong chuỗi khuếch tán.
noise (torch.FloatTensor) — Tensor nhiễu.

Trả về

torch.FloatTensor

Một mẫu đầu vào đã được chuẩn hóa.

Quá trình tiến trong flow-matching

set_begin_index

< source >

( begin_index: int = 0 )

Tham số

begin_index (int, mặc định là 0) — Chỉ số bắt đầu cho trình lập lịch.

Đặt chỉ số bắt đầu cho trình lập lịch. Hàm này nên được chạy từ pipeline trước khi suy luận.

set_shift

< source >

( shift: float )

Tham số

shift (float) — Giá trị shift cần được đặt.

Đặt giá trị dịch chuyển cho trình lập lịch.

set_timesteps

< source >

( num_inference_steps: int | None = Nonedevice: typing.Union[str, torch.device] = Nonesigmas: list[float] | None = Nonemu: float | None = Nonetimesteps: list[float] | None = None )

Tham số

num_inference_steps (int, tùy chọn) — Số bước khuếch tán được sử dụng khi tạo mẫu bằng mô hình đã được huấn luyện trước.
device (str hoặc torch.device, tùy chọn) — Thiết bị mà các bước thời gian (timesteps) sẽ được chuyển đến. Nếu là None, các bước thời gian sẽ không được chuyển.
sigmas (list[float], tùy chọn) — Các giá trị tùy chỉnh cho sigmas được sử dụng cho mỗi bước khuếch tán. Nếu None, sigmas sẽ được tính toán tự động.
mu (float, tùy chọn) — Xác định mức độ dịch chuyển được áp dụng cho sigmas khi thực hiện dịch chuyển bước thời gian phụ thuộc vào độ phân giải.
timesteps (list[float], tùy chọn) — Các giá trị tùy chỉnh cho timesteps được sử dụng cho mỗi bước khuếch tán. Nếu None, các timesteps sẽ được tính toán tự động.

Đặt các bước thời gian rời rạc được sử dụng cho chuỗi khuếch tán (cần chạy trước khi suy luận).

bước

< source >

( 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] = Noneper_token_timesteps: typing.Optional[torch.Tensor] = Nonereturn_dict: bool = True ) → FlowMatchEulerDiscreteSchedulerOutput or tuple

Tham số

model_output (torch.FloatTensor) — Đầu ra trực tiếp từ mô hình khuếch tán đã học.
timestep (float) — Bước thời gian rời rạc hiện tại trong chuỗi khuếch tán.
sample (torch.FloatTensor) — Một bản thể hiện tại của mẫu được tạo ra bởi quá trình khuếch tán.
s_churn (float) —
s_tmin (float) —
s_tmax (float) —
s_noise (float, mặc định là 1.0) — Hệ số tỷ lệ cho nhiễu được thêm vào mẫu.
generator (torch.Generator, tùy chọn) — Bộ tạo số ngẫu nhiên.
per_token_timesteps (torch.Tensor, tùy chọn) — Các bước thời gian (timesteps) cho từng token trong mẫu.
return_dict (bool, mặc định là True) — Có nên trả về một FlowMatchEulerDiscreteSchedulerOutput hay tuple hay không.

Trả về

FlowMatchEulerDiscreteSchedulerOutput hoặc tuple

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

Dự đoán mẫu từ bước thời gian trước đó bằng cách đảo ngược SDE. Hàm này lan truyền quá trình khuếch tán từ các đầu ra của mô hình đã học (thường nhất là nhiễu được dự đoán).