# FluxTransformer2DModel

Un modelo Transformer para datos similares a imágenes de [Flux](https://blackforestlabs.ai/announcing-black-forest-labs/).

## FluxTransformer2DModel[[diffusers.FluxTransformer2DModel]]

#### diffusers.FluxTransformer2DModel[[diffusers.FluxTransformer2DModel]]

```python
diffusers.FluxTransformer2DModel(patch_size: int = 1, in_channels: int = 64, out_channels: int | None = None, num_layers: int = 19, num_single_layers: int = 38, attention_head_dim: int = 128, num_attention_heads: int = 24, joint_attention_dim: int = 4096, pooled_projection_dim: int = 768, guidance_embeds: bool = False, axes_dims_rope: tuple = (16, 56, 56))
```

[Fuente](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_flux.py#L529)

**Parámetros:**

patch_size (`int`, por defecto `1`) : Tamaño del parche para convertir los datos de entrada en pequeños parches.

in_channels (`int`, por defecto `64`) : El número de canales en la entrada.

out_channels (`int`, *opcional*, valor predeterminado `None`) : El número de canales en la salida. Si no se especifica, el valor predeterminado es `in_channels`.

num_layers (`int`, por defecto `19`) : El número de capas de bloques DiT de doble flujo a utilizar.

num_single_layers (`int`, por defecto `38`) : El número de capas de bloques DiT de flujo único que se usarán.

attention_head_dim (`int`, por defecto `128`) : El número de dimensiones a utilizar para cada cabeza de atención.

num_attention_heads (`int`, por defecto `24`) : El número de cabezas de atención a utilizar.

joint_attention_dim (`int`, por defecto `4096`) : El número de dimensiones a utilizar para la atención conjunta (dimensión de incrustación/canal de `encoder_hidden_states`).

pooled_projection_dim (`int`, por defecto `768`) : El número de dimensiones a utilizar para la proyección agrupada.

guidance_embeds (`bool`, por defecto `False`) : Si se deben usar embeddings de guía para la variante destilada por guía del modelo.

axes_dims_rope (`tuple[int]`, por defecto `(16, 56, 56)`) : Las dimensiones a utilizar para los embeddings posicionales rotatorios.

El modelo Transformer introducido en Flux.

Referencia: https://blackforestlabs.ai/announcing-black-forest-labs/

#### forward[[diffusers.FluxTransformer2DModel.forward]]

```python
forward(hidden_states: Tensor, encoder_hidden_states: Tensor = None, pooled_projections: Tensor = None, timestep: LongTensor = None, img_ids: Tensor = None, txt_ids: Tensor = None, guidance: Tensor = None, joint_attention_kwargs: dict[str, typing.Any] | None = None, controlnet_block_samples = None, controlnet_single_block_samples = None, return_dict: bool = True, controlnet_blocks_repeat: bool = False)
```

[Fuente](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_flux.py#L670)

**Parámetros:**

hidden_states (`torch.Tensor` de forma `(batch_size, image_sequence_length, in_channels)`) : `hidden_states` de entrada.

encoder_hidden_states (`torch.Tensor` de forma `(batch_size, text_sequence_length, joint_attention_dim)`) : Embeddings condicionales (embeddings calculados a partir de las condiciones de entrada, como los prompts) a utilizar.

pooled_projections (`torch.Tensor` de forma `(batch_size, projection_dim)`) : Embeddings proyectados a partir de los embeddings de las condiciones de entrada.

timestep ( `torch.LongTensor`) : Se utiliza para indicar el paso de desruido.

img_ids (`torch.Tensor`) : ids de posición de imagen utilizados para calcular los embeddings posicionales rotatorios.

txt_ids (`torch.Tensor`) : ids de posición de texto utilizados para calcular los embeddings posicionales rotatorios.

guidance (`torch.Tensor`, *opcional*) : Embedding de escala de guía utilizado para las variantes destiladas por guía del modelo.

controlnet_block_samples (`list` de `torch.Tensor`, *opcional*) : Una lista de tensores que, si se especifica, se añaden a los residuos de los bloques de transformador.

controlnet_single_block_samples (`list` de `torch.Tensor`, *opcional*) : Una lista de tensores que, si se especifica, se añaden a los residuos de los bloques de transformador individuales.

controlnet_blocks_repeat (`bool`, *opcional*, valor predeterminado `False`) : Si se deben repetir las muestras del bloque de controlnet en todos los bloques del transformer.

joint_attention_kwargs (`dict`, *opcional*) : Un diccionario de kwargs que, si se especifica, se pasa al `AttentionProcessor` tal como se define bajo `self.processor` en [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py).

return_dict (`bool`, *opcional*, valor predeterminado `True`) : Indica si se debe devolver un `~models.transformer_2d.Transformer2DModelOutput` en lugar de una tupla simple.

**Devuelve:**

Si `return_dict` es True, se devuelve un `~models.transformer_2d.Transformer2DModelOutput`; en caso contrario, se devuelve una `tuple` cuyo primer elemento es el tensor de la muestra.

El método forward de [FluxTransformer2DModel](/docs/diffusers/main/es/api/models/flux_transformer#diffusers.FluxTransformer2DModel).