# Flux2Transformer2DModel

Модель Transformer для изображений из [Flux2](https://hf.co/black-forest-labs/FLUX.2-dev).

## Flux2Transformer2DModel[[diffusers.Flux2Transformer2DModel]]

#### diffusers.Flux2Transformer2DModel[[diffusers.Flux2Transformer2DModel]]

```python
diffusers.Flux2Transformer2DModel(patch_size: int = 1, in_channels: int = 128, out_channels: int | None = None, num_layers: int = 8, num_single_layers: int = 48, attention_head_dim: int = 128, num_attention_heads: int = 48, joint_attention_dim: int = 15360, timestep_guidance_channels: int = 256, mlp_ratio: float = 3.0, axes_dims_rope: tuple = (32, 32, 32, 32), rope_theta: int = 2000, eps: float = 1e-06, guidance_embeds: bool = True)
```

[Источник](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_flux2.py#L1059)

**Параметры:**

patch_size (`int`, по умолчанию `1`) : Размер патча для разбиения входных данных на небольшие патчи.

in_channels (`int`, по умолчанию `128`) : количество каналов на входе.

out_channels (`int`, *необязательный*, по умолчанию `None`) : Количество каналов на выходе. Если не указано, по умолчанию используется `in_channels`.

num_layers (`int`, по умолчанию `8`) : Количество используемых блоков dual stream DiT.

num_single_layers (`int`, по умолчанию `48`) : Количество слоев однопоточных блоков DiT, которые следует использовать.

attention_head_dim (`int`, по умолчанию `128`) : Количество измерений, используемых для каждой головы внимания.

num_attention_heads (`int`, по умолчанию `48`) : Количество используемых голок внимания.

joint_attention_dim (`int`, по умолчанию `15360`) : Количество измерений, используемых для совместного внимания (размерность встраивания/канала `encoder_hidden_states`).

pooled_projection_dim (`int`, по умолчанию `768`) : Количество измерений, используемых для пул-проекции.

guidance_embeds (`bool`, по умолчанию `True`) : Использовать ли направляющие эмбеддинги для варианта модели, дистиллированного с помощью guidance.

axes_dims_rope (`tuple[int]`, по умолчанию `(32, 32, 32, 32)`) : Размеры, используемые для вращательных позиционных эмбеддингов.

Модель Transformer, представленная в Flux 2.

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

#### forward[[diffusers.Flux2Transformer2DModel.forward]]

```python
forward(hidden_states: Tensor, encoder_hidden_states: 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, return_dict: bool = True, kv_cache: Flux2KVCache | None = None, kv_cache_mode: str | None = None, num_ref_tokens: int = 0, ref_fixed_timestep: float = 0.0)
```

[Источник](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_flux2.py#L1225)

**Параметры:**

hidden_states (`torch.Tensor` формы `(batch_size, image_sequence_length, in_channels)`) : Входные `hidden_states`.

encoder_hidden_states (`torch.Tensor` формы `(batch_size, text_sequence_length, joint_attention_dim)`) : Условные эмбеддинги (эмбеддинги, вычисленные на основе входных условий, таких как промпты), которые следует использовать.

timestep (`torch.LongTensor`) : Используется для указания шага денойзинга.

img_ids (`torch.Tensor`) : идентификаторы позиций изображений, используемые для вычисления вращательных позиционных эмбеддингов.

txt_ids (`torch.Tensor`) : Идентификаторы позиций текста, используемые для вычисления вращательных позиционных эмбеддингов.

guidance (`torch.Tensor`, *необязательный*) : Встраивание масштаба руководства, используемое для вариантов модели, дистиллированных с помощью руководства.

joint_attention_kwargs (`dict`, *необязательный*) : Словарь kwargs, который при указании передается в `AttentionProcessor`, определенный в `self.processor` в [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py).

return_dict (`bool`, *необязательный*, по умолчанию `True`) : Возвращать ли `~models.transformer_2d.Transformer2DModelOutput` вместо обычного кортежа.

kv_cache (`Flux2KVCache`, *необязательный*) : кэш KV для токенов опорного изображения. Если `kv_cache_mode` установлен в "extract", создается и возвращается новый кэш. Если "cached", предоставленный кэш используется для внедрения опорных K/V во время внимания.

kv_cache_mode (`str`, *необязательный*) : одно из значений "extract" (первый шаг с референсными токенами) или "cached" (последующие шаги с использованием кэшированных референсных K/V). Если `None`, выполняется стандартный прямой проход без кэширования KV.

num_ref_tokens (`int`, по умолчанию `0`) : Количество токенов опорного изображения, добавляемых в начало `hidden_states` (используется только при `kv_cache_mode="extract"`).

ref_fixed_timestep (`float`, по умолчанию `0.0`) : Фиксированный временной шаг для модуляции референсных токенов (используется только при `kv_cache_mode="extract"`).

**Возвращает:**

Если `return_dict` равно True, возвращается `~models.transformer_2d.Transformer2DModelOutput`, иначе — `tuple`, первым элементом которого является тензор сэмпла. Если `kv_cache_mode="extract"`, также возвращается заполненный `Flux2KVCache`.

Метод forward модели [Flux2Transformer2DModel](/docs/diffusers/main/ru/api/models/flux2_transformer#diffusers.Flux2Transformer2DModel).

## Flux2Transformer2DModelOutput[[diffusers.models.transformers.transformer_flux2.Flux2Transformer2DModelOutput]]

#### diffusers.models.transformers.transformer_flux2.Flux2Transformer2DModelOutput[[diffusers.models.transformers.transformer_flux2.Flux2Transformer2DModelOutput]]

```python
diffusers.models.transformers.transformer_flux2.Flux2Transformer2DModelOutput(sample: torch.Tensor, kv_cache: Flux2KVCache | None = None)
```

[Источник](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_flux2.py#L46)

**Параметры:**

sample (`torch.Tensor` формы `(batch_size, num_channels, height, width)`) : Выходные скрытые состояния, обусловленные входом `encoder_hidden_states`.

kv_cache (`Flux2KVCache`, *необязательный*) : Заполненный KV-кэш для токенов опорного изображения. Возвращается только при `kv_cache_mode="extract"`.

Вывод [Flux2Transformer2DModel](/docs/diffusers/main/ru/api/models/flux2_transformer#diffusers.Flux2Transformer2DModel).