Tham số

• num_train_timesteps (int, mặc định là 1000) — Số bước khuếch tán để huấn luyện mô hình.
• beta_start (float, mặc định là 0.0001) — Giá trị beta ban đầu của suy luận.
• beta_end (float, mặc định là 0.02) — Giá trị beta cuối cùng.
• beta_schedule ("linear", "scaled_linear", hoặc "squaredcos_cap_v2", mặc định là "linear") — Lịch trình beta, một ánh xạ từ một khoảng beta sang một chuỗi các beta để bước qua mô hình. Chọn từ linear, scaled_linear, hoặc squaredcos_cap_v2.
• trained_betas (np.ndarray hoặc list[float], tùy chọn) — Truyền trực tiếp một mảng betas vào constructor để bỏ qua beta_start và beta_end.
• solver_order (int, mặc định là 2) — Bậc DEIS có thể là 1 hoặc 2 hoặc 3. Khuyến nghị sử dụng solver_order=2 cho việc lấy mẫu có hướng dẫn (guided sampling) và solver_order=3 cho việc lấy mẫu không điều kiện (unconditional sampling).
• 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, mặc định là False) — Có sử dụng phương pháp “dynamic thresholding” hay không. Phương pháp này không phù hợp với các mô hình khuếch tán trong không gian ẩn (latent-space) như Stable Diffusion.
• dynamic_thresholding_ratio (float, mặc định là 0.995) — Tỷ số cho phương pháp ngưỡng động. Chỉ hợp lệ khi thresholding=True.
• sample_max_value (float, mặc định là 1.0) — Giá trị ngưỡng cho việc đặt ngưỡng động. Chỉ hợp lệ khi thresholding=True.
• algorithm_type ("deis", mặc định là "deis") — Loại thuật toán cho bộ giải.
• solver_type ("logrho", mặc định là "logrho") — Loại solver cho DEIS.
• lower_order_final (bool, mặc định là True) — Có sử dụng bộ giải bậc thấp hơn trong các bước cuối cùng hay không. Chỉ hợp lệ khi số bước suy luận < 15.
• use_karras_sigmas (bool, tùy chọn, mặc định là False) — Có sử dụng Karras sigmas cho kích thước bước trong lịch trình nhiễu trong quá trình lấy mẫu hay không. Nếu True, các sigmas được xác định theo một chuỗi các mức nhiễu {σi}.
• use_exponential_sigmas (bool, tùy chọn, mặc định là False) — Có sử dụng exponential sigmas cho kích thước bước trong lịch trình nhiễu trong quá trình lấy mẫu hay không.
• use_beta_sigmas (bool, tùy chọn, mặc định là False) — Có sử dụng beta sigmas cho kích thước bước trong lịch trình nhiễu trong quá trình lấy mẫu hay không. Xem Beta Sampling is All You Need để biết thêm thông tin.
• use_flow_sigmas (bool, tùy chọn, mặc định là False) — Có sử dụng flow sigmas cho kích thước bước trong lịch trình nhiễu trong quá trình lấy mẫu hay không.
• flow_shift (float, tùy chọn, mặc định là 1.0) — Tham số dịch chuyển dòng (flow shift) cho các mô hình dựa trên dòng (flow-based).
• timestep_spacing ("linspace", "leading", hoặc "trailing", mặc định là "linspace") — Cách các timestep nên được scale. Xem Bảng 2 của Common Diffusion Noise Schedules and Sample Steps are Flawed để biết thêm thông tin.
• steps_offset (int, mặc định là 0) — Một giá trị bù được cộng vào các bước suy luận, theo yêu cầu của một số nhóm mô hình.
• use_dynamic_shifting (bool, mặc định là False) — Có sử dụng dynamic shifting cho noise schedule hay không.
• time_shift_type ("exponential", mặc định là "exponential") — Loại dịch chuyển thời gian cần áp dụng.

Tham số

• prev_sample (torch.Tensor có shape (batch_size, num_channels, height, width) đối với ảnh) — Mẫu đã tính (x_{t-1}) của bước thời gian trước đó. prev_sample nên được sử dụng làm đầu vào mô hình tiếp theo trong vòng lặp khử nhiễu.