# ZImageTransformer2DModel

Un modelo Transformer para datos similares a imágenes de [Z-Image](https://huggingface.co/Tongyi-MAI/Z-Image-Turbo).

## ZImageTransformer2DModel[[diffusers.ZImageTransformer2DModel]]

#### diffusers.ZImageTransformer2DModel[[diffusers.ZImageTransformer2DModel]]

```python
diffusers.ZImageTransformer2DModel(all_patch_size = (2,), all_f_patch_size = (1,), in_channels = 16, dim = 3840, n_layers = 30, n_refiner_layers = 2, n_heads = 30, n_kv_heads = 30, norm_eps = 1e-05, qk_norm = True, cap_feat_dim = 2560, siglip_feat_dim = None, rope_theta = 256.0, t_scale = 1000.0, axes_dims = [32, 48, 48], axes_lens = [1024, 512, 512])
```

[Fuente](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_z_image.py#L361)

#### forward[[diffusers.ZImageTransformer2DModel.forward]]

```python
forward(x: list, t, cap_feats: list, return_dict: bool = True, controlnet_block_samples: dict[int, torch.Tensor] | None = None, siglip_feats: list[list[torch.Tensor]] | None = None, image_noise_mask: list[list[int]] | None = None, patch_size: int = 2, f_patch_size: int = 1, joint_attention_kwargs: dict[str, typing.Any] | None = None)
```

[Fuente](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_z_image.py#L896)

**Parámetros:**

x (`list` de `torch.Tensor` o `list` anidada de `torch.Tensor`) : Latentes de entrada. Una lista plana al ejecutar en modo estándar, o una lista anidada al ejecutar en modo omni.

t (`torch.Tensor`) : Se utiliza para indicar el paso de desruido.

cap_feats (`list` de `torch.Tensor` o `list` anidado de `torch.Tensor`) : Embeddings de subtítulos condicionales (embeddings calculados a partir de las condiciones de entrada, como los prompts) a utilizar.

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

controlnet_block_samples (`dict` de `int` a `torch.Tensor`, *opcional*) : Un mapeo de índice de bloque a tensor que, si se especifica, se suma a los residuos de los bloques de transformador.

siglip_feats (`list` de `list` de `torch.Tensor`, *opcional*) : Características de imagen SigLIP opcionales utilizadas como condicionamiento adicional.

image_noise_mask (`list` de `list` de `int`, *opcional*) : Máscaras de ruido por imagen que indican los tokens ruidosos frente a los limpios en el modo omni.

patch_size (`int`, *opcional*, valor predeterminado 2) : Tamaño de parche espacial utilizado para aplicar patchify a los latentes de entrada.

f_patch_size (`int`, *opcional*, valor predeterminado 1) : Tamaño de parche temporal utilizado para aplicar patchify a los latentes de entrada.

joint_attention_kwargs (`dict`, *opcional*) : Un diccionario de kwargs. Solo se utiliza la entrada `scale`, para escalar las capas LoRA.

**Devuelve:**

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

El método forward de [ZImageTransformer2DModel](/docs/diffusers/main/es/api/models/z_image_transformer2d#diffusers.ZImageTransformer2DModel).

Flujo: patchify -> t_embed -> x_embed -> x_refine -> cap_embed -> cap_refine -> [siglip_embed -> siglip_refine] -> build_unified -> main_layers -> final_layer -> unpatchify

#### patchify_and_embed[[diffusers.ZImageTransformer2DModel.patchify_and_embed]]

```python
patchify_and_embed(all_image: list, all_cap_feats: list, patch_size: int, f_patch_size: int)
```

[Fuente](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_z_image.py#L590)

Patchify para el modo básico: una imagen por elemento del lote.

#### patchify_and_embed_omni[[diffusers.ZImageTransformer2DModel.patchify_and_embed_omni]]

```python
patchify_and_embed_omni(all_x: list, all_cap_feats: list, all_siglip_feats: list, patch_size: int, f_patch_size: int, images_noise_mask: list)
```

[Fuente](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_z_image.py#L627)

Patchify para el modo omni: múltiples imágenes por elemento del lote con máscaras de ruido.