생성을 위해 파이프라인을 호출할 때 호출되는 함수.

<<<<<<< HEAD Classifier-Free Diffusion Guidance에서 정의된 Guidance scale입니다. guidance_scale은 Imagen Paper의 방정식 2의 w로 정의됩니다. guidance_scale > 1로 설정하면 Guidance scale이 활성화됩니다. Guidance scale이 높을수록 prompt와 밀접하게 연결된 이미지를 생성하도록 장려하지만, 일반적으로 이미지 품질이 낮아지는 대가를 치릅니다.

negative_prompt ( str 또는 list[str], 선택 사항):

Classifier-Free Diffusion Guidance에서 정의된 Guidance scale입니다. guidance_scale은 Imagen Paper의 2번 식의 w로 정의됩니다. guidance_scale > 1로 설정하면 Guidance scale이 활성화됩니다. Guidance scale이 높을수록 prompt와 밀접하게 연결된 이미지를 생성하도록 장려하지만, 일반적으로 이미지 품질이 낮아지는 대가를 치릅니다. negative_prompt (str 또는 list[str], 선택 사항):

main 이미지 생성을 안내하지 않을 프롬프트입니다. 정의되지 않은 경우, 대신 negative_prompt_embeds를 전달해야 합니다. 가이던스를 사용하지 않을 때 무시됩니다(즉, guidance_scale이 1보다 작으면 무시됨). num_images_per_prompt (int, 선택 사항, 기본값 1): 프롬프트당 생성할 이미지의 수입니다. generator (torch.Generator 또는 list[torch.Generator], 선택 사항): 생성을 결정론적으로 만들기 위한 하나 이상의 torch generator입니다. latents (torch.FloatTensor, 선택 사항): 가우시안 분포에서 샘플링하여 이미지 생성의 입력으로 사용할 사전 생성된 노이즈 latents입니다. 다른 프롬프트로 동일한 생성을 조정하는 데 사용할 수 있습니다. 제공되지 않으면, 제공된 무작위 generator를 사용하여 샘플링하여 latents 텐서가 생성됩니다. prompt_embeds (torch.FloatTensor, 선택 사항): 사전 생성된 텍스트 임베딩입니다. 텍스트 입력을 쉽게 조정하는 데 사용할 수 있으며, 예를 들어 프롬프트 가중치 설정에 사용할 수 있습니다. 제공되지 않으면, prompt 입력 인자로부터 텍스트 임베딩이 생성됩니다. negative_prompt_embeds (torch.FloatTensor, 선택 사항): 사전 생성된 부정 텍스트 임베딩입니다. 텍스트 입력을 쉽게 조정하는 데 사용할 수 있으며, 예를 들어 프롬프트 가중치 설정에 사용할 수 있습니다. 제공되지 않으면, negative_prompt_embeds가 negative_prompt 입력 인자로부터 생성됩니다. output_type (str, 선택 사항, 기본값 "pil"): 생성된 이미지의 출력 형식입니다. PIL: PIL.Image.Image 또는 np.array 중에서 선택합니다. return_dict (bool, 선택 사항, 기본값 True): 일반 튜플 대신 ~pipelines.bria.BriaPipelineOutput를 반환할지 여부입니다. attention_kwargs (dict, 선택 사항): 지정된 경우 diffusers.models.attention_processor의 self.processor 아래에서 정의된 AttentionProcessor로 전달되는 kwargs 사전입니다. callback_on_step_end (Callable, 선택 사항): 추론 중 각 디노이징 단계의 끝에서 호출되는 함수입니다. 이 함수는 다음 인자와 함께 호출됩니다: callback_on_step_end(self: DiffusionPipeline, step: int, timestep: int, callback_kwargs: Dict). callback_kwargs에는 callback_on_step_end_tensor_inputs로 지정된 모든 텐서의 목록이 포함됩니다. callback_on_step_end_tensor_inputs (list, 선택 사항): callback_on_step_end 함수의 텐서 입력 목록입니다. 목록에 지정된 텐서는 callback_kwargs 인자로 전달됩니다. 파이프라인 클래스의 ._callback_tensor_inputs 속성에 나열된 변수만 포함할 수 있습니다. max_sequence_length (int 기본값 256): prompt와 함께 사용할 최대 시퀀스 길이입니다. clip_value (float, 선택 사항): 설정된 경우, 예측된 노이즈가 각 디노이징 단계에서 [-clip_value, clip_value] 범위로 클리핑됩니다. normalize (bool, 선택 사항, 기본값 False): 각 디노이징 단계에서 예측된 노이즈를 정규화할지 여부입니다.

>>> import torch
>>> from diffusers import BriaPipeline

>>> pipe = BriaPipeline.from_pretrained("briaai/BRIA-3.2", torch_dtype=torch.bfloat16)
>>> pipe.to("cuda")
# BRIA's T5 text encoder is sensitive to precision. We need to cast it to bfloat16 and keep the final layer in float32.

>>> pipe.text_encoder = pipe.text_encoder.to(dtype=torch.bfloat16)
>>> for block in pipe.text_encoder.encoder.block:
...     block.layer[-1].DenseReluDense.wo.to(dtype=torch.float32)
# BRIA's VAE is not supported in mixed precision, so we use float32.

>>> if pipe.vae.config.shift_factor == 0:
...     pipe.vae.to(dtype=torch.float32)

>>> prompt = "Photorealistic food photography of a stack of fluffy pancakes on a white plate, with maple syrup being poured over them. On top of the pancakes are the words 'BRIA 3.2' in bold, yellow, 3D letters. The background is dark and out of focus."
>>> image = pipe(prompt).images[0]
>>> image.save("bria.png")