# CogView4Transformer2DModel

نموذج [CogView4]() لتحويل الانتشار (Diffusion Transformer) للبيانات ثنائية الأبعاد

يمكن تحميل النموذج باستخدام مقتطف الشيفرة التالي.

```python
from diffusers import CogView4Transformer2DModel

transformer = CogView4Transformer2DModel.from_pretrained("THUDM/CogView4-6B", subfolder="transformer", dtype=torch.bfloat16).to("cuda")  # or "mps", "xpu", "cpu"
```

## CogView4Transformer2DModel[[diffusers.CogView4Transformer2DModel]]

#### diffusers.CogView4Transformer2DModel[[diffusers.CogView4Transformer2DModel]]

```python
diffusers.CogView4Transformer2DModel(patch_size: int = 2, in_channels: int = 16, out_channels: int = 16, num_layers: int = 30, attention_head_dim: int = 40, num_attention_heads: int = 64, text_embed_dim: int = 4096, time_embed_dim: int = 512, condition_dim: int = 256, pos_embed_max_size: int = 128, sample_size: int = 128, rope_axes_dim: tuple[int, int] = (256, 256))
```

[المصدر](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_cogview4.py#L617)

**المعاملات:**

patch_size (`int`، القيمة الافتراضية `2`) : حجم البقع المستخدمة في طبقة تضمين البقع.

in_channels (`int`، القيمة الافتراضية `16`) : عدد القنوات في المدخلات.

num_layers (`int`، القيمة الافتراضية `30`) : عدد طبقات كتل Transformer المستخدمة.

attention_head_dim (`int`، القيمة الافتراضية `40`) : عدد القنوات في كل رأس.

num_attention_heads (`int`، القيمة الافتراضية `64`) : عدد الرؤوس المستخدمة في الانتباه متعدد الرؤوس.

out_channels (`int`، القيمة الافتراضية `16`) : عدد القنوات في المخرجات.

text_embed_dim (`int`، القيمة الافتراضية `4096`) : بُعد الإدخال لتضمينات النص من مُشفِّر النص.

time_embed_dim (`int`، القيمة الافتراضية `512`) : بُعد المخرجات لتضمينات خطوات الزمن.

condition_dim (`int`، القيمة الافتراضية `256`) : بُعد التضمين (embedding dimension) لظروف الدقة بنمط SDXL الخاصة بالمدخلات (original_size, target_size, crop_coords).

pos_embed_max_size (`int`، القيمة الافتراضية `128`) : الحد الأقصى لدقة التضمينات الموضعية، حيث تُؤخذ منها شرائح من الشكل `H x W` وتُضاف إلى الكمونيات المُرقّعة المدخلة، حيث `H` و`W` هما ارتفاع وعرض الكمون على التوالي. تعني قيمة 128 أن أقصى ارتفاع وعرض مدعومين لتوليد الصور هو `128 * vae_scale_factor * patch_size => 128 * 8 * 2 => 2048`.

sample_size (`int`، القيمة الافتراضية `128`) : الدقة الأساسية للكائنات الكامنة المدخلة. إذا لم يتم تقديم الارتفاع/العرض أثناء التوليد، تُستخدم هذه القيمة لتحديد الدقة على النحو التالي `sample_size * vae_scale_factor => 128 * 8 => 1024`

#### forward[[diffusers.CogView4Transformer2DModel.forward]]

```python
forward(hidden_states: Tensor, encoder_hidden_states: Tensor, timestep: LongTensor, original_size: Tensor, target_size: Tensor, crop_coords: Tensor, attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True, attention_mask: typing.Optional[torch.Tensor] = None, image_rotary_emb: tuple[torch.Tensor, torch.Tensor] | list[tuple[torch.Tensor, torch.Tensor]] | None = None)
```

[المصدر](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_cogview4.py#L704)

**المعاملات:**

hidden_states (`torch.Tensor` من الشكل `(batch_size, in_channels, height, width)`) : مدخلات `hidden_states`.

encoder_hidden_states (`torch.Tensor` من الشكل `(batch_size, sequence_len, embed_dims)`) : التضمينات الشرطية (التضمينات المحسوبة من الشروط المدخلة مثل الأوامر) للاستخدام.

timestep (`torch.LongTensor`) : يُستخدم للإشارة إلى خطوة إزالة الضوضاء.

original_size (`torch.Tensor`) : شرط حجم الصورة الأصلي.

target_size (`torch.Tensor`) : شرط حجم الصورة المستهدفة.

crop_coords (`torch.Tensor`) : شروط إحداثيات القص.

attention_kwargs (`dict`، *اختياري*) : قاموس kwargs يُمرَّر إلى `AttentionProcessor` إذا تم تحديده، كما هو معرَّف تحت `self.processor` في [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py).

return_dict (`bool`، *اختياري*، القيمة الافتراضية `True`) : ما إذا كان يجب إرجاع `~models.transformer_2d.Transformer2DModelOutput` بدلاً من tuple عادي.

attention_mask (`torch.Tensor`، *اختياري*) : قناع يُطبَّق على درجات الانتباه.

image_rotary_emb (`tuple` من `torch.Tensor`، *اختياري*) : تمثيلات موضعية دوّارة محسوبة مسبقًا.

**يعيد:**

إذا كان `return_dict` صحيحًا، يُعاد `~models.transformer_2d.Transformer2DModelOutput`، وإلا يُعاد `tuple` يكون عنصره الأول هو تينسور العينة.

طريقة [CogView4Transformer2DModel](/docs/diffusers/v0.43.0/ar/api/models/cogview4_transformer2d#diffusers.CogView4Transformer2DModel) الأمامية.

## Transformer2DModelOutput[[diffusers.models.modeling_outputs.Transformer2DModelOutput]]

#### diffusers.models.modeling_outputs.Transformer2DModelOutput[[diffusers.models.modeling_outputs.Transformer2DModelOutput]]

```python
diffusers.models.modeling_outputs.Transformer2DModelOutput(sample: torch.Tensor)
```

[المصدر](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/modeling_outputs.py#L21)

**المعاملات:**

sample (`torch.Tensor` من الشكل `(batch_size, num_channels, height, width)` أو `(batch size, num_vector_embeds - 1, num_latent_pixels)` إذا كان [Transformer2DModel](/docs/diffusers/v0.43.0/ar/api/models/transformer2d#diffusers.Transformer2DModel) منفصلاً): مخرجات الحالات المخفية المشروطة على مدخل `encoder_hidden_states`. إذا كان منفصلاً، يعيد توزيعات الاحتمال للبكسلات الكامنة غير الملوثة.

مخرجات [Transformer2DModel](/docs/diffusers/v0.43.0/ar/api/models/transformer2d#diffusers.Transformer2DModel).