Diffusers documentation
Transformer2DModel
Transformer2DModel
CompVis의 이미지형 데이터용 Transformer 모델로, Dosovitskiy et al.이 소개한 Vision Transformer를 기반으로 합니다. Transformer2DModel은 이산형(벡터 임베딩의 클래스) 또는 연속형(실제 임베딩) 입력을 받습니다.
입력이 연속인 경우:
- 입력을 투영하고
(batch_size, sequence_length, feature_dimension)으로 재구성합니다. - Transformer 블록을 표준 방식으로 적용합니다.
- 이미지로 리사이즈합니다.
입력이 이산인 경우:
입력 클래스 중 하나가 마스킹된 잠재 픽셀임을 가정합니다. 노이즈가 제거된 이미지의 예측 클래스에는 마스킹된 픽셀에 대한 예측이 포함되지 않습니다. 노이즈가 제거된 이미지는 마스킹할 수 없기 때문입니다.
- 입력(잠재 픽셀 클래스)을 임베딩으로 변환하고 위치 임베딩을 적용합니다.
- Transformer 블록을 표준 방식으로 적용합니다.
- 노이즈가 없는 이미지의 클래스를 예측합니다.
Transformer2DModel
클래스 diffusers.Transformer2DModel
< source >( num_attention_heads: int = 16attention_head_dim: int = 88in_channels: int | None = Noneout_channels: int | None = Nonenum_layers: int = 1dropout: float = 0.0norm_num_groups: int = 32cross_attention_dim: int | None = Noneattention_bias: bool = Falsesample_size: int | None = Nonenum_vector_embeds: int | None = Nonepatch_size: int | None = Noneactivation_fn: str = 'geglu'num_embeds_ada_norm: int | None = Noneuse_linear_projection: bool = Falseonly_cross_attention: bool = Falsedouble_self_attention: bool = Falseupcast_attention: bool = Falsenorm_type: str = 'layer_norm'norm_elementwise_affine: bool = Truenorm_eps: float = 1e-05attention_type: str = 'default'caption_channels: int = Noneinterpolation_scale: float = Noneuse_additional_conditions: bool | None = None )
매개변수
- num_attention_heads (
int, 선택 사항, 기본값 16) — 멀티헤드 어텐션에 사용할 헤드의 수입니다. - attention_head_dim (
int, 선택 사항, 기본값 88) — 각 헤드당 채널 수입니다. - in_channels (
int, 선택 사항) — 입력과 출력의 채널 수(입력이 연속형인 경우 지정). - num_layers (
int, 선택 사항, 기본값 1) — 사용할 Transformer 블록의 레이어 수입니다. - dropout (
float, 선택 사항, 기본값 0.0) — 사용할 dropout 확률입니다. - cross_attention_dim (
int, 선택 사항) — 사용할encoder_hidden_states차원의 수입니다. - sample_size (
int, 선택 사항) — 잠재 이미지의 너비(입력이 discrete인 경우 지정). 위치 임베딩의 수를 학습하는 데 사용되므로 학습 중에 고정됩니다. - num_vector_embeds (
int, 선택 사항) — 잠재 픽셀의 벡터 임베딩 클래스 수(입력이 이산인 경우 지정). 마스크된 잠재 픽셀의 클래스를 포함합니다. - activation_fn (
str, 선택 사항, 기본값"geglu") — feed-forward에서 사용할 활성화 함수. - num_embeds_ada_norm (
int, 선택 사항) — 학습 중에 사용된 diffusion step 수입니다. norm_layers 중 적어도 하나가AdaLayerNorm. 이 값은 hidden states에 추가되는 임베딩의 수를 학습하는 데 사용되므로 학습 중에 고정됩니다.추론 중에
num_embeds_ada_norm보다 많은 단계로는 노이즈를 제거할 수 없습니다. - attention_bias (
bool, 선택 사항) —TransformerBlocks의 attention에 bias 매개변수를 포함할지 구성합니다.
이미지형 데이터를 위한 2D Transformer 모델입니다.
forward
< source >( hidden_states: Tensorencoder_hidden_states: typing.Optional[torch.Tensor] = Nonetimestep: typing.Optional[torch.LongTensor] = Noneadded_cond_kwargs: dict = Noneclass_labels: typing.Optional[torch.LongTensor] = Nonecross_attention_kwargs: dict = Noneattention_mask: typing.Optional[torch.Tensor] = Noneencoder_attention_mask: typing.Optional[torch.Tensor] = Nonereturn_dict: bool = True )
매개변수
- hidden_states (
torch.LongTensor, 이산인 경우(batch size, num latent pixels)형태, 연속인 경우torch.Tensor(batch size, channel, height, width)형태) — 입력hidden_states. - encoder_hidden_states (
torch.Tensor, shape(batch size, sequence len, embed dims), 선택 사항) — 크로스 어텐션 레이어에 사용되는 조건부 임베딩입니다. 지정되지 않으면 크로스 어텐션은 기본적으로 셀프 어텐션으로 동작합니다. - timestep (
torch.LongTensor, 선택 사항) — 디노이징 단계를 나타내는 데 사용됩니다.AdaLayerNorm에서 임베딩으로 적용될 선택적 timestep입니다. - class_labels (
torch.LongTensor, shape(batch size, num classes), 선택 사항) — 클래스 레이블 조건화를 나타내는 데 사용됩니다.AdaLayerZeroNorm에서 임베딩으로 적용될 선택적 클래스 레이블입니다. - cross_attention_kwargs (
dict[str, Any], 선택) — 지정된 경우 diffusers.models.attention_processor의self.processor에서 정의된AttentionProcessor로 전달되는 kwargs 사전입니다. - attention_mask (
torch.Tensor, 선택 사항) —encoder_hidden_states에(batch, key_tokens)모양의 어텐션 마스크가 적용됩니다.1인 경우 마스크가 유지되고,0인 경우 폐기됩니다. 마스크는 바이어스로 변환되어 “폐기” 토큰에 해당하는 어텐션 점수에 큰 음의 값을 더합니다. - encoder_attention_mask (
torch.Tensor, 선택 사항) — 에 적용되는 크로스 어텐션 마스크encoder_hidden_states. 두 가지 형식을 지원합니다:- Mask
(batch, sequence_length)True = 유지, False = 제거. - Bias
(batch, 1, sequence_length)0 = 유지, -10000 = 폐기.
ndim == 2인 경우: 마스크로 해석된 후, 위 형식과 일관된 바이어스로 변환됩니다. 이 바이어스는 크로스 어텐션 점수에 추가됩니다. - Mask
- return_dict (
bool, 선택 사항, 기본값True) — 단순 tuple 대신 UNet2DConditionOutput를 반환할지 여부.
Transformer2DModel의 forward 메서드입니다.
Transformer2DModelOutput
클래스 diffusers.models.modeling_outputs.Transformer2DModelOutput
< source >( sample: torch.Tensor )
매개변수
- sample (
torch.Tensor, shape(batch_size, num_channels, height, width)또는 Transformer2DModel이 discrete인 경우(batch size, num_vector_embeds - 1, num_latent_pixels)) —encoder_hidden_states입력에 조건부인 hidden states 출력입니다. discrete인 경우, 노이즈가 제거된 latent 픽셀에 대한 확률 분포를 반환합니다.
Transformer2DModel의 출력입니다.