Diffusers documentation
LongCatImageTransformer2DModel
LongCatImageTransformer2DModel
El modelo se puede cargar con el siguiente fragmento de código.
from diffusers import LongCatImageTransformer2DModel
transformer = LongCatImageTransformer2DModel.from_pretrained("meituan-longcat/LongCat-Image ", subfolder="transformer", dtype=torch.bfloat16)LongCatImageTransformer2DModel
clase diffusers.LongCatImageTransformer2DModel
< source >( patch_size: int = 1in_channels: int = 64num_layers: int = 19num_single_layers: int = 38attention_head_dim: int = 128num_attention_heads: int = 24joint_attention_dim: int = 3584pooled_projection_dim: int = 3584axes_dims_rope: list[int] = [16, 56, 56] )
El modelo Transformer introducido en Longcat-Image.
forward
< source >( hidden_states: Tensorencoder_hidden_states: Tensor = Nonetimestep: LongTensor = Noneimg_ids: Tensor = Nonetxt_ids: Tensor = Noneguidance: Tensor = Nonereturn_dict: bool = True )
Parámetros
- hidden_states (
torch.FloatTensorde forma(batch size, channel, height, width)) — Estados ocultos de entradahidden_states. - encoder_hidden_states (
torch.FloatTensorde forma(batch size, sequence_len, embed_dims)) — Incrustaciones condicionales (incrustaciones calculadas a partir de las condiciones de entrada, como los prompts) que se deben utilizar. - timestep (
torch.LongTensor) — Se utiliza para indicar el paso de desruido. - img_ids (
torch.Tensor) — ids de posición de imagen utilizados para calcular los embeddings posicionales rotatorios. - txt_ids (
torch.Tensor) — ids de posición de texto utilizados para calcular los embeddings posicionales rotatorios. - guidance (
torch.Tensor, opcional) — Incrustación de escala de orientación utilizada para las variantes destiladas por orientación del modelo. - return_dict (
bool, opcional, valor predeterminadoTrue) — Indica si se debe devolver un~models.transformer_2d.Transformer2DModelOutputen lugar de una tupla simple.
El método forward.