Parámetros

• num_train_timesteps (int, por defecto 1000) — El número de pasos de difusión para entrenar el modelo.
• beta_start (float, por defecto 0.0001) — El valor inicial de beta para la inferencia.
• beta_end (float, por defecto 0.02) — El valor final de beta.
• beta_schedule ("linear", "scaled_linear" o "squaredcos_cap_v2", por defecto "linear") — El plan de betas, un mapeo desde un rango de betas a una secuencia de betas para dar pasos al modelo. Elija entre linear, scaled_linear o squaredcos_cap_v2.
• trained_betas (np.ndarray o list[float], opcional) — Pase un array de betas directamente al constructor para omitir beta_start y beta_end.
• solver_order (int, por defecto 2) — El orden DEIS, que puede ser 1 o 2 o 3. Se recomienda usar solver_order=2 para muestreo guiado y solver_order=3 para muestreo incondicional.
• prediction_type ("epsilon", "sample", "v_prediction", or "flow_prediction", defaults to "epsilon") — Prediction type of the scheduler function; can be epsilon (predicts the noise of the diffusion process), sample (directly predicts the noisy sample), v_prediction(see section 2.4 of [Imagen Video](https://huggingface.co/papers/2210.02303) paper), orflow_prediction`.
• thresholding (bool, por defecto False) — Si se debe utilizar el método de “umbral dinámico”. No es adecuado para modelos de difusión en el espacio latente, como Stable Diffusion.
• dynamic_thresholding_ratio (float, por defecto 0.995) — La proporción para el método de umbral dinámico. Solo es válido cuando thresholding=True.
• sample_max_value (float, por defecto 1.0) — El valor umbral para el umbral dinámico. Solo es válido cuando thresholding=True.
• algorithm_type ("deis", por defecto "deis") — El tipo de algoritmo para el solver.
• solver_type ("logrho", por defecto "logrho") — Tipo de solver para DEIS.
• lower_order_final (bool, por defecto True) — Si se deben usar solutores de orden inferior en los pasos finales. Solo válido para menos de 15 pasos de inferencia.
• use_karras_sigmas (bool, opcional, valor predeterminado False) — Si se deben usar sigmas de Karras para los tamaños de paso en el plan de ruido durante el proceso de muestreo. Si es True, los sigmas se determinan según una secuencia de niveles de ruido {σi}.
• use_exponential_sigmas (bool, opcional, valor predeterminado False) — Si se deben usar sigmas exponenciales para los tamaños de paso en el plan de ruido durante el proceso de muestreo.
• use_beta_sigmas (bool, opcional, valor predeterminado False) — Si se deben usar beta sigmas para los tamaños de paso en el programa de ruido durante el proceso de muestreo. Consulte Beta Sampling is All You Need para obtener más información.
• use_flow_sigmas (bool, opcional, valor predeterminado False) — Si se deben usar sigmas de flujo para los tamaños de paso en la programación de ruido durante el proceso de muestreo.
• flow_shift (float, opcional, valor predeterminado 1.0) — El parámetro de desplazamiento de flujo para modelos basados en flujo.
• timestep_spacing ("linspace", "leading" o "trailing", por defecto "linspace") — La forma en que deben escalarse los timesteps. Consulte la tabla 2 de Common Diffusion Noise Schedules and Sample Steps are Flawed para obtener más información.
• steps_offset (int, por defecto 0) — Un desplazamiento que se suma a los pasos de inferencia, tal como lo requieren algunas familias de modelos.
• use_dynamic_shifting (bool, por defecto False) — Si se debe usar un desplazamiento dinámico para el plan de ruido.
• time_shift_type ("exponential", por defecto "exponential") — El tipo de desplazamiento temporal a aplicar.

Parámetros

• prev_sample (torch.Tensor de forma (batch_size, num_channels, height, width) para imágenes) — Muestra calculada (x_{t-1}) del paso de tiempo anterior. prev_sample debe usarse como entrada del modelo en el bucle de desruido.